摘要
本发明公开一种输电线路缺陷类别预测方法及存储介质,属于缺陷检测技术领域,包括:对获取的公共数据集进行预处理;将预处理后的公共数据集输入至类别增量目标检测框架;其中,所述类别增量目标检测框架包括模块化的深度分类网络;所述模块化的深度分类网络包括串行连接的超级特征提取器和线性分类器;利用超级特征提取器在新旧类别上提取特征,将提取到的特征聚合为参数化的超级特征;将超级特征输入至线性分类器执行输电线路缺陷类别预测。本发明在新增样本情况下提升了输电线路缺陷类别预测模型的稳定性和可塑性,有效解决了类增量学习中灾难性遗忘的问题。
技术关键词
输电线路缺陷
类别预测方法
新型分类器
特征提取器
深度分类网络
辅助分类器
线性分类器
类别增量学习
标签
框架
类别预测模型
缺陷检测技术
存储计算机程序
预测类别
图像
参数
可读存储介质
图片
指令
存储器
系统为您推荐了相关专利信息
电力工程输电线路
机器人主体
检修装置
视觉检测器
中央处理系统
分拣包装系统
并联机器
智能包装
深度神经网络
视觉
类别预测方法
血管造影图像
中心线
冠脉分割模型
非暂态计算机可读存储介质