摘要
本发明提出一种电力安全违章行为自动检测方法,通过多视角图像采集与知识图谱驱动的动态语义重组构建覆盖电力作业场景的多模态数据集,所述动态语义重组基于知识图谱的分层结构与路径权重优化生成多样化语言描述;基于对抗样本生成技术扩展所述数据集,生成图像扰动样本与语义误导文本描述;通过多模态特征动态融合模型训练目标检测网络,所述模型通过知识图谱路径权重优化与联合损失函数实现图像‑文本关联性学习;基于训练完成的模型对实时采集的电力作业图像进行推理,输出违章行为检测结果及其语义描述;通过多模态相似度评估触发闭环反馈,优化数据集标注与模型参数。
技术关键词
自动检测方法
知识图谱路径
多视角图像采集
电力作业场景
知识图谱驱动
联合损失函数
文本特征向量
生成技术
多模态特征
动态
非暂态计算机可读存储介质
样本
语义关联度
自然语言
同义词
系统为您推荐了相关专利信息
血管模型
球囊
深度学习分类
消融方法
多视角图像采集
人工智能辅助
轮廓区域
自动检测方法
影像诊断报告
生成对抗网络模型
彩色多普勒
自动检测方法
图像分类模型
智能医疗技术
多尺度特征融合