10.13335/j.1000-3673.pst.2019.2296
基于场景建模的电力巡检异物检测样本扩充方法
利用深度卷积神经网络来进行图像目标检测是电力巡检异物检测的常用手段.训练神经网络需要大量样本,但电力行业存在着图片难以收集导致训练样本不足的情况.为方便目标检测神经网络的训练、提升目标检测模型的识别性能,利用一种基于已有样本的场景建模方法,自动生成大量符合实际电力场景的图片,以扩充样本.该方法利用卷积神经网络实现场景建模,并采用泊松融合进行图片合成,同时加入尺寸变换、图像旋转、图像滤波等数字图像处理方法.通过实例验证,该样本扩充方法可以实现扩充目标检测训练所要求的图像样本,也可以在样本完全缺失的情况下快速生成一定量的样本,提高目标检测模型的性能.
样本扩充、场景建模、目标检测、电力巡检、卷积神经网络
45
TM721(输配电工程、电力网及电力系统)
2021-03-19(万方平台首次上网日期,不代表论文的发表时间)
共6页
1175-1180