[发明专利]用于线缆防缠绕预警的神经网络的训练方法

权利要求书

1.一种用于线缆防缠绕预警的神经网络的训练方法，其特征在于，包括：

获取训练图像集和参考图像集，所述训练图像集包含多张放置于支撑面上的堆放线缆的图像，所述参考图像集包含多张示出典型的线缆缠绕情况的图像；

将所述训练图像集通过第一卷积神经网络以获得第一特征图；

将所述参考图像集通过第二卷积神经网络以获得第二特征图，其中，所述第二卷积神经网络与所述第一卷积神经网络具有相同的网络结构；

计算所述第一特征图中在样本维度上的每两个特征矩阵之间的距离，以获得训练距离矩阵；

计算所述第二特征图中在样本维度上的每两个特征矩阵之间的距离，以获得参考距离矩阵；

计算所述训练距离矩阵与所述参考距离矩阵之间的距离损失函数值；

将所述第一特征图通过分类器以获得分类损失函数值；以及

基于所述距离损失函数值和所述分类损失函数值的加权和，更新所述第一卷积神经网络的参数。

2.根据权利要求1所述的用于线缆防缠绕预警的神经网络的训练方法，其中，计算所述第一特征图中在样本维度上的每两个特征矩阵之间的距离，以获得训练距离矩阵，包括：

计算所述第一特征图中在样本维度上的每两个特征矩阵之间的L1距离，以获得所述训练距离矩阵；

其中，计算所述第二特征图中在样本维度上的每两个特征矩阵之间的距离，以获得参考距离矩阵，包括：

计算所述第二特征图中在样本维度上的每两个特征矩阵之间的L1距离，以获得所述参考距离矩阵。

3.根据权利要求2所述的用于线缆防缠绕预警的神经网络的训练方法，其中，计算所述训练距离矩阵与所述参考距离矩阵之间的距离损失函数值，包括：

计算所述训练距离矩阵与所述参考距离矩阵之间的均方差损失函数值。

4.根据权利要求1所述的用于线缆防缠绕预警的神经网络的训练方法，其中，计算所述第一特征图中在样本维度上的每两个特征矩阵之间的距离，以获得训练距离矩阵，包括：

计算所述第一特征图中在样本维度上的每两个特征矩阵之间的L2距离，以获得所述训练距离矩阵；

其中，计算所述第二特征图中在样本维度上的每两个特征矩阵之间的距离，以获得参考距离矩阵，包括：

计算所述第二特征图中在样本维度上的每两个特征矩阵之间的L2距离，以获得所述参考距离矩阵。

5.根据权利要求4所述的用于线缆防缠绕预警的神经网络的训练方法，其中，计算所述训练距离矩阵与所述参考距离矩阵之间的距离损失函数值，包括：

计算所述训练距离矩阵与所述参考距离矩阵之间的欧式距离损失函数值。

6.根据权利要求1所述的用于线缆防缠绕预警的神经网络的训练方法，其中，将所述第一特征图通过分类器以获得分类损失函数值，包括：

对所述第一特征图进行在通道维度的平均值池化，以获得分类特征图；

对所述分类特征图进行按行或按列的平均值池化，以获得分类特征向量；

将所述分类特征向量输入分类函数，以获得分类结果；以及

将所述分类结果和真实值输入损失函数，以获得分类损失函数值。

7.一种基于深度神经网络的线缆防缠绕的智能预警方法，其特征在于，包括：

获取待检测的堆放线缆的图像；

将所述图像输入根据如权利要求1到6中任意一项所述的用于线缆防缠绕预警的神经网络的训练方法所训练的第一卷积神经网络和分类器，所述分类器的输出表示堆放的线缆存在缠绕的第一概率和堆放的线缆不存在缠绕的第二概率；以及

基于所述第一概率和所述第二概率确定是否发送线缆缠绕预警。