[发明专利]一种从局部到整体感知的电网场景预警分类方法及系统

权利要求书

1.一种从局部到整体感知的电网场景预警分类方法，其特征在于，包括以下步骤：

将待分类电网场景图片输入训练好的分类模型，通过所述训练好的分类模型获得电网场景图片预警分类结果；

所述训练好的分类模型的获取步骤包括：

通过第一骨干网络模型和局部分类器，构建获得局部像素块分类模型；其中，所述第一骨干网络模型用于局部像素块的特征提取，所述局部分类器用于根据所述第一骨干网络模型提取的特征输出局部像素块分类结果；

根据标注的电网场景图片训练集提取获得局部像素块训练集，通过所述局部像素块训练集训练所述局部像素块分类模型，获得训练好的局部像素块分类模型；

通过第二骨干网络模型、特征集成模块和全局分类器，构建获得分类模型；其中，所述第二骨干网络模型用于电网场景图片的特征提取，所述特征集成模块用于集成所述第二骨干网络模型提取的特征并输出，所述全局分类器用于根据所述特征集成模块输出的特征输出电网场景图片预警分类结果；所述第二骨干网络模型加载有所述第一骨干网络模型的训练权重参数；

通过标注的电网场景图片训练集对所述分类模型进行训练，获得训练好的分类模型。

2.根据权利要求1所述的一种从局部到整体感知的电网场景预警分类方法，其特征在于，所述根据标注的电网场景图片训练集提取获得局部像素块训练集，通过所述局部像素块训练集训练所述局部像素块分类模型，获得训练好的局部像素块分类模型的步骤具体包括：

基于预标注过的电网场景视频数据集构建获得电网场景图片训练集；

提取电网场景图片训练集中的预定局部像素块，获得局部像素块训练集；

利用局部像素块训练集训练所述局部像素块分类模型，使局部像素块分类模型中的深度卷积编码译码网络具备局部像素块的分类能力，获得训练好的局部像素块分类模型；

其中，训练完成后，冻结所述第一骨干网络模型的训练权重参数。

3.根据权利要求1所述的一种从局部到整体感知的电网场景预警分类方法，其特征在于，第一骨干网络模型或第二骨干网络模型为Resnet网络模型。

4.根据权利要求1所述的一种从局部到整体感知的电网场景预警分类方法，其特征在于，所述局部像素块分类模型的分类过程表示为，

p＝MLP_L(f_L(X_s))，

式中，f_L(·)表示像素块响应器，X_s为输入的像素块，MLP_L(·)表示具有多层感知器的像素块分类器，表示η类别的概率分类得分。

5.根据权利要求4所述的一种从局部到整体感知的电网场景预警分类方法，其特征在于，所述分类模型的分类过程表示为，

ρ＝FC_G(FIM(f_L(I_G)))，

式中，I_G为电网场景图片，FIM(·)表示特征集成模块，FC_G(·)表示全局分类器，表示c类预警的得分向量。

6.根据权利要求5所述的一种从局部到整体感知的电网场景预警分类方法，其特征在于，所述分类模型训练时采用的损失函数为交叉熵损失。