基于改进Faster R-CNN的小目标电缆线号定位模型

摘要：

针对目前小目标电缆线号难以准确定位的问题,提出了基于深度学习的在不同干扰下能准确定位小目标线号的算法.由于电缆应用场景存在有噪声、粉尘、光照变化等方面的恶劣条件,不利于线号区域的定位,而且小目标线号对定位精度要求较高,因此基于Faster R-CNN模型进行改进,主干网络使用ResNet-50并对其进行优化,利用特征金字塔和多头自注意力机制,提升网络性能,提高小目标线号的检测精度与模型鲁棒性.实验结果表明,提出的电缆线号定位模型算法相比优化之前准确率提升了3.9％,定位准确率高达99.2％,能有效提高小目标线号的定位准确率.

关键词：小目标线号定位、深度学习、特征金字塔、Faster R-CNN、ResNet-50

所属期刊栏目：46

分类号：TP391(计算技术、计算机技术)

资助基金：吉林省科技厅基础研究项目202002044JC

在线出版日期：2023-02-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：65-72