买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华北电力大学(保定)申请的专利一种变电设备缺陷图像数据扩充与数据清洗方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117079078B 。

龙图腾网通过国家知识产权局官网在2025-12-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311105621.1，技术领域涉及：G06V10/774；该发明授权一种变电设备缺陷图像数据扩充与数据清洗方法是由赵振兵;刘斌;张珂;李刚;苏攀;赵文清设计研发完成，并于2023-08-30向国家知识产权局提交的专利申请。

本一种变电设备缺陷图像数据扩充与数据清洗方法在说明书摘要公布了：本发明提供了一种变电设备缺陷图像数据扩充与数据清洗方法，包括：利用预设数据集对风格迁移网络进行训练，得到训练好的网络权重参数；遍历原始变电设备缺陷图像和弱光场景图像，并利用加载所述网络权重参数的所述风格迁移网络，根据所述原始变电设备缺陷图像和弱光场景图像对缺陷图像数据进行扩充，得到低光照变电设备缺陷图像数据，并验证风格迁移效果；滤除所述低光照变电设备缺陷图像数据中的低质量生成图像，并依托对抗验证方法利用分类模型筛选出与真实图像集合样本分布近似的生成图像，得到最终扩充的低光照变电设备缺陷图像集合。本发明有助于解决深度学习模型在弱光场景泛化性弱的问题。

本发明授权一种变电设备缺陷图像数据扩充与数据清洗方法在权利要求书中公布了：1.一种变电设备缺陷图像数据扩充与数据清洗方法，其特征在于，包括： 利用预设数据集对风格迁移网络进行训练，得到训练好的网络权重参数； 遍历原始变电设备缺陷图像和弱光场景图像，并利用加载所述网络权重参数的所述风格迁移网络，根据所述原始变电设备缺陷图像和弱光场景图像对缺陷图像数据进行扩充，得到低光照变电设备缺陷图像数据，并验证风格迁移效果； 滤除所述低光照变电设备缺陷图像数据中的低质量生成图像，并依托对抗验证方法利用分类模型筛选出与真实图像集合样本分布近似的生成图像，得到最终扩充的低光照变电设备缺陷图像集合； 利用预设数据集对风格迁移网络进行训练，得到训练好的网络权重参数，包括： 将MSCOCO2017数据集打包为批次大小固定的图像数据集合，并对图像进行大小调整、随机裁剪和归一化预处理，得到训练数据； 将所述训练数据输入所述风格迁移网络中进行多轮次的训练，并逐步微调所述风格迁移网络的编解码块的权重参数，得到训练好的网络权重参数；编解码块包括编码网络和解码网络；每阶段的所述编解码块的训练流程为：输入特征经过所述编码网络得到编码特征，并通过所述解码网络还原输入特征，而后计算所述输入特征与输出特征间的内容重建损失、图像平滑损失、内容感知损失及解码块反演损失，并完成损失迭代、梯度反传、参数更新直至达到设定的训练轮次，而后保存编解码块的权重参数； 遍历原始变电设备缺陷图像和弱光场景图像，并利用加载所述网络权重参数的所述风格迁移网络，根据所述原始变电设备缺陷图像和弱光场景图像对缺陷图像数据进行扩充，得到低光照变电设备缺陷图像数据，并验证风格迁移效果，包括： 从变电设备缺陷图像集合中随机选择一张原始的内容图像，从低光照场景图中集合S中随机选择一张风格图像，利用训练好的编码网络完成内容图像和风格图像的特征提取，得到内容编码特征与风格编码特征集合，同时利用高频跳跃连接模块实现内容图像编码特征的高低频频率分量分解，得到高频残差分量； 前三阶段的风格迁移内容编码特征与风格编码特征通过通道相关-自适应实例归一化实现内容风格特征在通道分布的对齐，并通过解码网络进行通道维度压缩和空间维度扩张操作，在维度变换后与高频残差分量融合以补充空间信息，得到下阶段风格迁移的内容特征输入；第四阶段的风格迁移以风格编码特征为输入，采用空间相关-自适应实例归一化实现内容风格特征在空间分布上的对齐，并利用解码网络还原输入图像的通道、空间维度，得到风格化后的内容图像； 计算原始的内容图像与风格化后的内容图像之间的结构相似性、风格化后内容图像的自然图像质量评价值及单张图像的平均风格迁移时间，并求取指标的平均值为最终的风格迁移评价指标。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华北电力大学(保定)，其通讯地址为：071003 河北省保定市莲池区永华北大街619号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。