基于特征金字塔算法的输电线路多尺度目标检测方法

论文摘要

本文提出了基于FP-SSD（Feature Pyramid-Single Shot Detector）算法的多尺度目标检测方法。首先对训练样本进行处理,采用自适应裁剪算法裁剪训练样本,以适应单张图片中不同尺度的目标,同时扩充训练样本数量;然后以resnet网络替代SSD结构中原有的VGG网络,从而使网络的特征提取能力增强;最后在整体网络结构中加入特征金字塔网络（Feature Pyramid Network）,实现了上下特征层的信息融合。针对实际巡检图像进行了应用研究。结果表明,本文所提出的目标检测方法,较原始SSD算法而言,在小尺度目标检测方面精度有了明显提高,同时,对大尺度目标保持着良好的检测效果,说明本方法对于多尺度目标检测有着更好的适用性

论文目录

• 0 引言
• 1 训练样本扩充方法
•   1.1 样本预处理流程
•   1.2 自适应裁剪算法
• 2 基于特征金字塔的目标检测算法
•   2.1 算法整体流程
•   2.2 FPN特征融合结构
•   2.3 训练损失函数定义
• 3 实验结果与性能分析
•   3.1 实验数据及检测结果
•   3.2 样本扩充对检测精度的影响
•   3.3 特征金字塔结构对精度的影响
•   3.4 实验结果分析
• 4 结论

文章来源

类型: 期刊论文

作者: 刘业鹏,吴童桐,贾雪健,翟永杰

关键词: 输电线路,目标检测,深度学习

来源: 仪器仪表用户 2019年01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: 华北电力大学自动化系

基金: 河北省自然科学基金资助项目(F2017502016)

分类号: TM75;TP391.41

页码: 15-18

总页数: 4

文件大小: 1412K

下载量: 192