1.一种基于改进ssd算法的输电线路鸟窝检测方法,其特征在于包括以下步骤:
(1)通过无人机获取输电铁塔的图像,并对其进行预处理后,人工打标签,制作数据集;
(2)将步骤(1)得到的数据集分为互斥的训练集、验证集和测试集,采用改进后的ssd算法对其进行训练得出用于识别目标的模型;
(3)根据步骤(2)得到的模型对目标进行识别;
(4)对训练所得日志进行统计,得出该模型的准确率。
2.根据权利要求1所述的基于改进ssd算法的输电线路鸟窝检测方法,其特征在于上述步骤(1)中输电铁塔的图像,其图像包括输电线路以及搭建在输电线路上的鸟窝;对图像进行预处理,采用图片转换器对于图片进行批量的处理,将图片的尺寸缩至512×512,使之能够匹配ssd的输入;对图片进行人工打标签是使用labelimg工具给图片打标签,进而生成包含目标类别以及位置信息的xml文件。
3.根据权利要求1所述的基于改进ssd算法的输电线路鸟窝检测方法,其特征在于上述步骤(2)中的训练集、验证集和测试集按照8:1:1的比例随机分配。
4.根据权利要求1所述的基于改进ssd算法的输电线路鸟窝检测方法,其特征在于上述步骤(3)中对目标进行识别时,设置其ssd算法的识别阙值为0.5。
5.根据权利要求1所述的基于改进ssd算法的输电线路鸟窝检测方法,其特征在于上述步骤(4)中得模型准确率以(precision)和召回率(recall)作为衡量的评价指标;其计算公式为:
式中tp表示为被正确地划分到正例的个数,fp表示为被错误地划分到正例的个数,fn表示为被错误的划分到负例的个数。
6.根据权利要求1所述的基于改进ssd算法的输电线路鸟窝检测方法,其特征在于上述步骤(2)中改进后的ssd算法,包括(1′)采用detnet网络;(2′)使用convnms获得更好的输出。
7.根据权利要求6所述的基于改进ssd算法的输电线路鸟窝检测方法,其特征在于上述convnms,其流程为:
(a)当输入的输电线路图片为w×h时,需要对其生成w×h的scoremap,其中w=w/4,h=h/4,即scoremap上的每个点分别对应原图中4×4的区域。
(b)根据所得物体的boundingbox的置信度,将其中心点的位置记录在scoremap中,若接着得到更高的置信度,则需要对该区域的置信度进行更新,从而得到w×h×1的scoremap。
(c)用传统的nms对boundingbox进行处理,继而生成一张同样大小的scoremap,将其记为s(t),t为nms的阈值。
(d)对于scoremap上的每个点都记录了是否包含boundingbox以及该box的置信度,以每个点为中心,选取其11×11的区域,计算其121个点所保存的boundingbox和中心点的iou,并将其保存为121维的向量用于描述该点的iou特性,整个scoremap的输出特征为15×15×121;
(e)scoremap作为输入,其中会有多个有效的score,与之对应着相同数目的boundingbox,假定这些boundingbox都是同一目标的检测结果,则训练目的为保留最好的一个,抑制其他的;
(f)通过将这些boundingbox中满足与groundtruth的iou大于0.5且得分最高的box作为正样本,其余均为负样本进行标签分配;
(g)在计算loss之前要分配权重,使得正样本的权重总和与负样本的权重总和相等;
(h)得出损失函数,如以下公式所示:
公式中,p表示scoremap中有值的点,xp是对p的特征描述,f(xp)是p的网络输出,选择权重