摘要
本发明公开了一种提取电力设备图像特征的神经网络模型和方法,包括Swin Transformer骨干网络和PKI模块;PKI模块采用多核并行感知结构和门控融合单元;多核并行感知结构对骨干网络输出的特征图并行地执行四路分支的深度可分离卷积操作,对应提取从细粒度到粗粒度的四个尺度的特征;门控融合单元通过可学习权重矩阵和自适应缩放因子动态校准各路分支提取特征的权重,并进行特征融合,输出统一的多尺度特征表示。
技术关键词
电力设备
神经网络模型
多核并行
图像
联合损失函数
分支
鲁棒性
散斑噪声
动态
双线性插值
椒盐噪声
样本
抗锯齿
矩阵
锚点
场景
校准
语义特征
系统为您推荐了相关专利信息
图谱展示方法
图像存储单元
展示系统
数据采集模块
深度神经网络模块
病害特征
巡检方法
三维重建算法
累积分布函数
生成对抗网络架构