摘要
本发明公开了一种复杂电力场景中目标检测的鲁棒性提升方法和系统,涉及智能电网技术领域,本发明实施例通过净化模型和预训练典型目标检测模型共同形成电力目标检测模型,并结合增加了特异性干扰的增强数据对电力目标检测模型进行训练,模型训练过程中首先对预训练典型目标检测模型进行预训练,然后固定预训练典型目标检测模型的参数,将预训练典型目标检测模型输出的对抗性损失作为净化模型的训练引导,以对净化模型的参数进行调整。通过净化模型结合增强数据扩展了电力目标检测模型的抗干扰边界,使得烟雾检测、火焰识别等关键任务能够在更干净、可信的数据基础上进行判断与决策,精准聚焦于烟雾或火焰的目标,提升模型在面对复杂干扰时的鲁棒性。
技术关键词
变换算法
场景
鲁棒性
电力
对抗性
典型
语义特征
视觉特征
训练样本集
烟雾
参数
注意力
噪声数据
卷积神经网络模型
智能电网技术
边缘检测算法
权重机制
模型训练模块
系统为您推荐了相关专利信息
安全性评价方法
数据融合方法
生理
机器运行数据
贝叶斯方法
教育人工智能
差分隐私技术
生成用户兴趣标签
XGBoost算法
多终端
辅助决策系统
盾构隧道模型
三维地质模型
仿真模型
三维立体动画
巡检机器人
电力智能巡检系统
智能驱动模块
雨雪天气
功率