(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210825138.X (22)申请日 2022.07.14 (71)申请人 佳源科技股份有限公司 地址 210000 江苏省南京市雨 花台区宁双 路19号云密城7号楼14-17层 (72)发明人 周佳伟　卜权　顾雄飞　陈超　 (74)专利代理 机构 南京众联专利代理有限公司 32206 专利代理师 叶涓涓 (51)Int.Cl. G06V 10/774(2022.01) G06V 20/52(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06Q 10/00(2012.01) G06Q 50/06(2012.01) (54)发明名称 一种基于生成对抗模型的配电站智能网关 数据增强方法 (57)摘要 本发明提供了一种基于生成对抗模型的配 电站智能网关数据增强方法， 包括： 训练生成对 抗模型； 生成智 能算法训练样本； 利用生成的训 练样本训练目标检测模型。 本发 明利用长时间监 控空镜头， 结合少量真实预警事件， 将预警事件 嵌入至容易获得的空镜头中， 以此 获得更多的训 练样本， 利用生成对抗模型技术将配电站场景中 的低频事件图像迁移至数量较为庞大的空镜头 中， 扩充了智能监控算法研发所必须的数据集， 提升了算法的稳定性及精度。 权利要求书2页 说明书7页 附图5页 CN 115131629 A 2022.09.30 CN 115131629 A 1.一种基于生成对抗模型的配电站智能网关数据增强方法， 其特征在于， 包括如下步 骤： 步骤1， 训练生成对抗模型 (1)随机截取监控视频空镜头作为背景数据集Zi， 截取预警事件镜头作为真实数据集 Xi； 生成模型Generator为输入输出均为图像的深度神经网络模型； 对抗模型 Discriminator为输入图像输出图像真实度的深度神经网络模型； 将Zi及Xi同时输入生成模 型Generator得到生成图像Xg， 将Xg作为负样本， Xi作为正样本训练对抗模型 Discrimi nator， 其损失矩阵为 Ld； (2)将对抗模型Discriminator的损失Ld与Generator联立， 得到Generator的损失矩阵 Lg； (3)将Ld、 Lg用于优化Discrimi nator与Generator模型， 具体步骤如下： a.当出现Generat or模型LossLg长时间无法降低时， 运用MS E loss将Xi作为监督信息加 入Lg中， 此时 b.当出现Discriminator模型LossLd长时间无变化时， 通过在Discriminator模型中的 卷积层后加入dropout降低过拟合， 或随机将Discriminator模型中的部分权重替换为随机 数； c.当Generator模型的中间编码特征过于集中时， 加入损失函数， 将中间编码特征的数 值分布与标准 正态分布的KL散度作为 监督进行训练， 最优化目标为： P(x)为中间编码特 征的样本分布， Q(x)为标准 正态分布， 损失函数为 其中， var为中间编码特 征的方差， mean 为中间编码特 征均值， e为自然对数； d.当Generator模型的中间编码特征过于集中时， 加入triplet  loss作为补充， 其损失 函数描述如下： 其中， anchor为训练样本编码特征， sample1为加入噪声的样本编码特征1， sample2为 加入噪声的样本编码特 征2， margi n为间隔调节参数； (4)重复(2) ‑(4)若干次， 即可得到模型Discriminator与Generator； Discriminator与 Generator交错训练； 步骤2， 生成智能算法训练样本 (1)随机截取监控视频空镜头作为背景数据集Zi， 截取预警事件镜头作为真实数据集 Xi， 生成模型Generator为输入输出均为图像的深度神经网络模型； (2)将空镜 头背景Zi与真实数据集Xi输入生成模型Generator， 可 得合成图像Gi；权　利　要　求　书 1/2 页 2 CN 115131629 A 2(3)将Gi贴回原图即可得到生成训练样本Yi， 其中截取Zi的截图框即为待检测目标的边 界框； 步骤3， 利用生成的训练样本训练目标检测模型。 2.根据权利要求1所述的基于生成对抗模型的配电站智能网关数据增强方法， 其特征 在于， 所述 步骤1中， 神经网络采用基于UNet改进的U ‑ResNet架构。 3.根据权利要求1所述的基于生成对抗模型的配电站智能网关数据增强方法， 其特征 在于， 所述 步骤1中， 交错训练过程如下： 设N次迭代中， Discrimi nator与Generator模型的损失值分别为 求得Lrecord_d与Lrecord_g的导数分别为Lrecord_d'、 Lrecord_g'， 则下次迭代中， Discriminator 与Generator的训练次数分别为 3， Ceil为对上取整函数， [ ‑1]为数组 末位取值， 进行迭代。权　利　要　求　书 2/2 页 3 CN 115131629 A 3