Print

基于R-FCN的航拍巡检图像目标检测方法

论文摘要

航拍巡检是输电线路巡检的主要方式之一,目前的航拍巡检方式效率较低,受巡检员主观因素影响大,亟需一种智能检测算法自动定位并识别输电线路巡检图片中的故障。基于深度学习的航拍巡检图像目标检测技术作为一种可能的解决方案,得到了广泛关注。提出了一种利用基于区域的全卷积网络（R-FCN）的航拍巡检图像目标检测方法,并利用在线困难样本挖掘（OHEM）、样本优化、软性非极大值抑制（Soft-NMS）等改进方法进行优化。实验证明,所提方法具有目标定位准确、平均准确率高、单模型可同时检测目标种类多等特点。

论文目录

  • 0 引言
  • 1 巡检图像目标检测方法
  •   1.1 R-FCN目标检测方法
  •   1.2 对目标检测方法的若干改进
  •     1.2.1 OHEM
  •     1.2.2 样本优化
  •     1.2.3 Soft-NMS
  • 2 目标检测流程与实验设计
  •   2.1 数据集
  •   2.2 模型训练
  •   2.3 模型评估
  •   2.4 对比实验设计
  • 3 结果分析
  •   3.1 R-FCN与同类算法对比分析
  •   3.2 改进方法结果分析
  • 4 结语

    • 文章来源

    类型: 期刊论文

    作者: 刘思言,王博,高昆仑,王岳,高畅,陈江琦

    关键词: 深度学习,基于区域的全卷积网络,目标检测,航拍巡检,故障识别

    来源: 电力系统自动化 2019年13期

    年度: 2019

    分类: 工程科技Ⅱ辑,信息科技

    专业: 电力工业,计算机软件及计算机应用

    单位: 国家电网电力人工智能(联合)实验室全球能源互联网研究院有限公司

    基金: 国家电网公司科技项目“电力人工智能实验及公共服务平台技术”(SGGR0000JSJS1800569)~~

    分类号: TP391.41;TM75

    页码: 162-172

    总页数: 11

    文件大小: 1389K

    下载量: 519

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/080f1abc089638a55c7e61e4.html