面向轨道交通工程视频图像的空域自监督学习方法和系统

本发明公开了一种面向轨道交通工程视频图像的空域自监督学习方法及系统，方法包括：完成视频图像预处理；将图像分块后以预设步长和窗口大小生成空间缩减窗口集合SRW，对各窗口中图块进行混合采用并记录掩码位置；从采样后的图块中抽取预设比例图块随机添加退化特征；采用含图块切分、线性嵌入、多尺度特征融合等模块的多尺度滑动变换器为编码器，通过多尺度特征融合模块将模型多尺度的特征提取问题转为在不同深度的通道特征自注意力融合问题实现多尺度特征提取，经像素重组和MAE解码器恢复分辨率并重建图像，结合重建损失和跨图块损失，用随机梯度下降优化器完成训练。让模型在无额外监督的情况下学习到潜在的安全隐患特征。...

Full description

Saved in:
Bibliographic Details
Format Patent
LanguageChinese
Published 14.10.2025
Subjects
CALCULATING
COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
COMPUTING
COUNTING
PHYSICS
Online AccessGet full text

Cover

More Information
Summary:本发明公开了一种面向轨道交通工程视频图像的空域自监督学习方法及系统，方法包括：完成视频图像预处理；将图像分块后以预设步长和窗口大小生成空间缩减窗口集合SRW，对各窗口中图块进行混合采用并记录掩码位置；从采样后的图块中抽取预设比例图块随机添加退化特征；采用含图块切分、线性嵌入、多尺度特征融合等模块的多尺度滑动变换器为编码器，通过多尺度特征融合模块将模型多尺度的特征提取问题转为在不同深度的通道特征自注意力融合问题实现多尺度特征提取，经像素重组和MAE解码器恢复分辨率并重建图像，结合重建损失和跨图块损失，用随机梯度下降优化器完成训练。让模型在无额外监督的情况下学习到潜在的安全隐患特征。
Bibliography:Application Number: CN202510767788