1.一种基于无人机的高层玻璃幕墙破损部位的自动检测方法,其特征在于包括如下步骤:步骤1、获取一定数量的城市建筑玻璃幕墙图像,并对这些玻璃幕墙图像中的破损区域进行标注获取其标签,形成样本集;
步骤2、将样本集分成训练集、验证集和测试集;
步骤3、构建检测网络,并使用训练集对检测网络进行M轮训练,M为正整数,得到最终训练完成后的检测网络,并将最终训练完成后的检测网络记为第一检测网络;
对检测网络进行第m轮训练的具体过程为:
当m=1时,将训练集中的所有训练样本分批次输入到初始化的检测网络中,得到第1轮训练完成的检测网络;
当m∈{2…M}时,将训练集中的所有训练样本分批次输入到第m-1轮训练完成的检测网络中,得到第m轮的训练完成的检测网络,第M轮训练完成的检测网络即上述第一检测网络;
步骤4、利用一次性剪枝方法对第一检测网络进行分组,得到K个零不变组;K为正整数,并给每个零不变组设定一组变量;
将第k个零不变组g
步骤5、从第M+1轮的训练集开始,以训练集中一个批次的训练样本为单位,将每个批次的训练样本分批次输入到第一检测网络中,对第一检测网络进行边训练边剪枝,并判断剪枝后的第一检测网络的稀疏度是否等于预设稀疏度,如是,则停止剪枝,将停止剪枝时的第一检测网络记为第二检测网络;
对第一检测网络进行边训练边剪枝的具体过程为:
步骤5-1、选定一批次的训练样本输入到第一检测网络中,计算各个零不变组的梯度;
步骤5-2、设定k的初始值为1;
步骤5-3、对当前g
步骤5-3-1、判断g
步骤5-3-2、用一次性剪枝方法通过g
步骤5-3-3、利用G
其中,Lr为学习率;
步骤5-3-4、判断当前p
步骤5-3-5、判断当前h
其中,C
步骤5-3-6、当前g
步骤5-3-7、将x
步骤5-4、判断当前k的取值是否为K,如是,则保留当前批次训练样本训练时各个零不变组所对应的变量,并转入到步骤5-5;如否,则将k值加上1后更新k值,并转入到步骤5-3;
步骤5-5、判断当前第一检测网络的稀疏度是否等于预设稀疏度,如是,则停止剪枝,即得到第二检测网络;如否,则将训练集下一批次的训练样本输入到第一检测网络中,重复执行上述步骤5-1~步骤5-4,并在当前训练集中所有批次的训练样本均输入到第一检测网络中训练后还没有停止剪枝,则使用训练集进行下一轮的训练,直至得到第二检测网络;
步骤6、将验证集中的样本输入到训练完成后的第二检测网络中,直至得到在验证集上性能最优的第二检测网络;
步骤7、在测试集中任意选择一幅玻璃幕墙图像,并输入到步骤6得到的最优第二检测网络中,即得到该幅玻璃幕墙图像的检测结果。
2.根据权利要求1所述的自动检测方法,其特征在于:所述步骤3中的检测网络的具体结构为:所述检测网络包括用于对中等目标进行目标检测的第一子检测网络和用于对大目标进行目标检测的第二子检测网络;
第一子检测网络包括依次相连接的L个第一卷积层、第一C2f模块、第二卷积层、第二C2f模块、空间金字塔池化模块、上采样层、第一连接层、第三C2f模块和第一检测头模块,所述第一连接层的两输入分别连接第一C2f模块的输出和上采样层的输出;L为预设正整数;
第二子检测网络包括自第一子检测网络中的第三C2f模块输出依次连接的第三卷积层、第二连接层、第四C2f模块和和第二检测头模块,所述第二连接层的两输入分别连接空间金字塔池化模块的输出与第三卷积层的输出。
3.根据权利要求2所述的自动检测方法,其特征在于:所述步骤3中使用训练集对检测网络进行训练的具体过程为:计算损失函数,该损失函数使用WIoU v3损失函数,并使用该损失函数反向更新检测网络的参数,即得到训练完成后的检测网络。
4.根据权利要求1~3任一项所述的自动检测方法,其特征在于:所述自动检测方法还包括如下步骤:步骤8、将步骤7的第二检测网络部署在无人机中,利用无人机自动环绕玻璃幕墙进行拍摄,并将无人机实时拍摄的玻璃幕墙图像输入到步骤7的第二检测网络中,即得到检测结果。