2019年第五届电力行业无人机巡检技术交流会嘉宾演讲PPT资料合集.rar

1、南方电网公司科学研究院有限责任公司2019年5月/共30页关键问题质量评价显著性评价后续工作计划目目录录2/4101020304/共30页01010101关键问题关键问题近年来，随着输电线路无人机巡检技术的广泛应用，数据处理成为制约机巡作业最大化的瓶颈问题之一。/共30页01010101关键问题关键问题样本收集缺陷标记模型训练智能识别绝对数量：样本数量少覆盖范围：样本种类少/共30页02020202质量评价质量评价图像质量逼真度：图像与标准图像的偏离程度可懂度：图像向人或机器提供信息的能力评价方法 主观评价：以人作为观察者，对图像优劣主观评定；客观评价：对图像逼真度、可懂度定量测量及描述。/共

2、30页02020202质量评价质量评价主观图像质量：国际规定的尺度评分法/共30页02020202质量评价质量评价客观质量评价：要包括均方误差(MSE)和峰值信噪比(PSNR)分辨率色彩深度图像失真/共30页02020202质量评价质量评价分辨率：分辨率是评价人工图像表现景物细节的能力，或图像中细微部分能分解到什么程度并被显示出来的指标。/共30页02020202质量评价质量评价/共30页02020202质量评价质量评价色彩深度：又称像素深度或图像深度，是指用于表现、存储每个像素图像信息所用的码位数。/共30页02020202质量评价质量评价图像失真：矢量图像表现原景物光像的仿真程度，包括几何

3、失真(主要有桶形失真和枕形失真)、信噪比、动态范围、彩色还原等方面。/共30页02020202质量评价质量评价/共30页03030303显著性评价显著性评价视觉注意机制：即面对一个场景时，人类自动地对感兴趣区域进行处理而选择性地忽略不感兴趣区域，这些人们感兴趣区域被称之为显著性区域。/共30页04040404后续作后续作 与缺陷识别算法关联，明确影响识别结果的关键指标；图像质量定量化评价，指导现场数据采集；通过图像处理技术，改进图像质量。/共30页基于深度学习的目标识别前沿技术与展望2019年05月23日目录深度学习识别技术发展情况介绍前沿研究方向与趋势电力巡检场景下的图像识别建议一、深度学习

4、发展总体情况深度学习识别技术发展介绍前深度学习时代的识别技术深度学习的提出和发展基于深度学习的视觉识别技术前深度学习时代的识别技术传统特征算子 SIFT,HoG,Surf,RIFT等SVM分类器贝叶斯网络DPM目标检测算法6Hinton 发表了第一篇深度学习论文A fast learning algorithmfor deep belief nets诞生（DNN,DBN）2006谷歌旗下DeepMind公司的围棋机器人Alpha Go 击败李世石，后以Master身份连续60场不败.爆发（Alpha Go）2016Hinton学生在2012年ImageNet比赛中大幅刷新准确度ImageNet

5、ClassificationwithDeepConvolutionalNeuralNetworks.首次应用（CNN）2012深度学习的提出和发展大幅刷新机器翻译榜单自然语言处理的突破（BERT模型）2018基于深度学习的视觉识别技术Microsoft COCO:Common Objects in Contexthttps:/arxiv.org/abs/1405.0312视觉识别（Recognition）任务划分：-Segment individual object instances基于深度学习的视觉识别技术图像分类目标检测图像分割实例分割视觉识别（Recognition）任务划分：图像分类

6、CNN：“Gradient-based learning applied to document recognition”,LeCun et al.1998图像分类LeNet-5：“Gradient-basedlearning appliedto document recognition”,LeCun et al.1998“Backpropagation applied to handwritten zip code recognition”,LeCun et al.1989LeCun在1998年的工作图像分类AlexNet：“ImageNet Classification with Deep