摘要
本发明提供一种基于半监督学习的接触网吊弦缺陷检测方法,包括:收集已标注缺陷的第一接触网吊弦图像,以及未标注缺陷的第二接触网吊弦图像;通过图像预处理得到处理后的图像;构建无偏教师的半监督学习模型,使用处理后的第一接触网吊弦图像进行模型训练,得到初始模型;将处理后的第二接触网吊弦图像输入至初始模型,得到软标签数据;使用伪标签数据计算监督损失,使用软标签数据计算无监督损失,从而得到训练好的半监督学习模型;利用训练好的半监督学习模型对待检测的接触网吊弦图像进行缺陷检测,得到检测结果。本发明能够解决现有技术标注成本高、可靠性和检测精度较低的问题。
技术关键词
接触网吊弦
半监督学习
监督学习模型
标签传播算法
图像
移动平均算法
教师
无监督
矩阵
数据
置信度阈值
特征金字塔网络
注意力机制
学生
参数
高斯核函数
样本
指数
系统为您推荐了相关专利信息
运输船舶
重构误差
异常轨迹
神经网络模型
加权方法
照明模组
成像模组
多模态成像系统
图像采集器
聚光系统
可见光遥感图像
分辨率
融合方法
融合特征
上采样
花生病虫害
识别诊断方法
生成融合图像
深度卷积神经网络
诊断装置
环境感知数据
机器人控制系统
图像编码器
数据处理方法
对象