摘要
本发明公开了一种基于超分辨率和均值教师网络的电力作业场景施工目标检测的半监督学习方法、系统、设备及介质,属于计算机视觉与深度学习技术领域,包括:收集电力作业施工场地图像数据,并对图像数据中低分辨率图像预处理;构建Real‑ESRGAN模型,将低分辨率图像进行超分辨率处理,生成高分辨率图像;构建包含结构相同但参数独立的教师网络与学生网络的均值教师网络结构;提取高分辨率图像中标注图像数据对学生网络进行初始训练,并结合教师网络生成的伪标签对未标注图像进行半监督训练;对训练完成的学生网络进行测试与评估。本发明通过超分辨率与均值教师网络优化,提升低分辨率图像检测精度,降低标注依赖与成本,实现电力作业高精度检测。
技术关键词
电力作业场景
监督学习方法
超分辨率
教师
电力作业施工
生成高分辨率
图像
半监督训练
网络结构
学生
生成器网络
置信度阈值
数据
标签
对抗性
半监督学习
深度学习技术
抑制算法
网络优化
系统为您推荐了相关专利信息
直肠癌
级联式
语义分割模型
图像采集设备
分割掩模
大气污染物检测装置
梯度提升机
常春藤
传感器数据校准
三电极电化学传感器
表面褶皱缺陷
融合特征
图像采集模块
多模态
偏振片
轴承表面缺陷检测
无标签数据
教师
表面缺陷图像
训练检测模型
电力作业场景
作业现场
三维点云数据
识别方法
识别系统