(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211250272.8 (22)申请日 2022.10.13 (71)申请人 浙江华是 科技股份有限公司 地址 311122 浙江省杭州市余杭区闲林街 道嘉企路16号3幢1楼 (72)发明人 叶建标　温志伟　陈江海　朱佳豪　 李军　 (74)专利代理 机构 北京城烽知识产权代理事务 所(特殊普通 合伙) 11829 专利代理师 王新月 (51)Int.Cl. G06T 7/00(2017.01) G06T 3/40(2006.01) G06T 7/11(2017.01) G06V 10/764(2022.01)G06V 10/774(2022.01) G06V 10/82(2022.01) (54)发明名称 变电站目标检测网络模型训练方法及系统 (57)摘要 本发明公开一种变电站目标检测网络模型 训练方法及系统。 该方法包 括： 步骤S101， 统计训 练集中所有图片中目标的最长宽和最长高； 步骤 S102， 对训练集中每张图片进行分块； 将当前张 图片中的分块图片输入到目标分类网络中训练， 得到每块分块图片中是否有目标； 将有目标的分 块图片重新组合， 得到新的提取图片； 将提取图 片进行尺度缩放， 并将缩放后的图片输入到目标 检测网络中进行训练， 得到缩放后的图片中目标 的类别和坐标、 当前目标检测网络模 型以及检测 损失值； 步骤S103， 重复步骤S102， 直至检测损失 值在第二预设范围内波动， 得到目标检测网络模 型。 本发明的方法能够在变电站场景的大范围内 检测小目标， 且训练出来的目标检测网络模型推 理速度快， 准确率高。 权利要求书4页 说明书14页 附图2页 CN 115330778 A 2022.11.11 CN 115330778 A 1.一种变电站目标检测网络模型训练方法， 其特 征在于， 包括： 步骤S102， 将所述训练集中每张图片均按如下操作： 计算所述训练集中当前张图片的分块高、 分块宽、 分块高步长、 分块宽步长； 根据所述 分块高、 分块宽、 分块高步长、 分块宽步长对所述训练集中当前张图片进行分块； 将当前张图片的分块图片组成子训练集， 并输入到目标分类网络中进行训练， 得到每 块分块图片的预测结果， 所述预测结果为分块图片 中是否有目标； 根据每块分块图片的预 测结果计算每块分块图片的块损失值； 根据所述每块分块图片的块损失值对所述目标分类 网络中的参数进行反向传播， 得到当前目标分类网络模型； 将有目标的所述分块图片组合 提取或拼接提取 得到提取图片； 将所述提取图片进行尺度缩放， 并将缩放后的图片输入到目标检测网络中进行训练， 得到缩放后的图片中目标的类别和坐标； 根据所述缩放后的图片中目标的类别和坐标计算 得到检测损失值； 根据检测损失值对所述 目标检测网络中的参数进行反向传播， 得到当前 目标检测网络模型； 步骤S103， 重 复所述步骤S102， 直至所述块损失值在第一预设范围内波动， 所述检测损 失值在第二预设范围内波动， 得到目标检测网络模型。 2.根据权利要求1所述的方法， 其特 征在于， 还 包括： 步骤S101， 统计训练集中所有图片中目标的最长 宽和最长高； 所述当前张图片的分块高、 分块宽、 分块高步长、 分块宽步长根据以下公式计算： 其中， 表示所述当前张图片的原始 高， 表示所述当前张图片的原 始宽， 表示所述训练集中所有图片中目标的最长高， 表示所述训练集 中所有图片中目标的最长宽， 表示所述当前张图片的分块高， 表示 所述当前张图片的分块宽， max表示求最大值， 表示所述 当前张图片的分块 高步长， 表示所述当前张图片的分块宽步长 。 3.根据权利要求1所述的方法， 其特 征在于， 所述 块损失值 根据以下公式计算： 其中， 表示块损失值， 表示目标可能的第 个类别， C表示目标可能的类别数 量， 表示分块图片中是否有目标， 有目标为1， 没有目标为0， 表示分块图片中 目标可能 是第 个类别的概 率。权　利　要　求　书 1/4 页 2 CN 115330778 A 24.根据权利要求1所述的方法， 其特征在于， 所述将有目标的所述分块图片组合提取或 拼接提取 得到提取图片包括： 判断有目标的所述分块图片是否有重叠， 若是， 将有目标的所述分块图片进行组合提 取得到所述 提取图片； 反 之， 将有目标的所述分块图片进行拼接处 理得到所述 提取图片。 5.根据权利要求 4所述的方法， 其特 征在于， 所述组合 提取根据以下公式提取： 其中， 表示有目标的第一块分块图片 的左上角的横坐标， 表示有目标的第二 块分块图片的左上角的横坐标， 表示有目标的第n块分块图片的左上角的横坐标， 表示有目标的第一块分块图片的左上角的纵坐标， 表示有目标的第二块分块图片的左 上角的纵坐标， 表示有目标的第n块 分块图片的左上角的纵坐标， 表示有目标的第 一块分块图片的右下角的横坐标， 表示有目标的第二块分块图片的右下角的横坐标， 表示有目标的第n块分块图片的右下角的横坐标， 表示有目标的第一块分块图片 的右下角的纵坐标， 表示有目标的第二块分块图片的右下角的纵坐标， 表示有目 标的第n块分块图片的右下角的纵坐标， 为提取图片的左 上角最小x坐标， 为提 取图片的左上角最小y坐标， min表示求最小值， max表示求最大值， 为提取图片的右下 角最大x坐标， 表示提取图片的右下角最大y坐标。 6.根据权利要求1所述的方法， 其特 征在于， 所述将所述 提取图片进行尺度缩放， 包括： 根据下式计算缩放比例： ； 根据下式进行尺度缩放： 其中， 表示提取图片的高， 表示提取图片的宽， 表示 目标标准图片的高， 表示目标标准图片的宽， 表示缩放比例， 表示缩放后的图片的高， 表示缩放后的图片的宽 。 7.根据权利要求1所述的方法， 其特征在于， 所述根据所述缩放后的图片中目标的类别 和坐标计算得到检测损失值包括：权　利　要　求　书 2/4 页 3 CN 115330778 A 3