应用于绝缘子缺陷检测的轻量化YOLOv4研究
针对YOLOv4主干网络庞大、参数量多,应用于绝缘子缺陷检测中无法满足实时性要求的问题,提出一种轻量化的YOLOv4检测模型.首先,引入含ECA集成组件的GhostNet作为特征提取网络,保证特征提取能力的同时大幅减少模型参数,加快模型推理速度.其次,使用K-means++聚类算法确定出初始锚框尺寸,以适应绝缘子缺陷大小,提升缺陷定位精度.最后,在交叉熵损失函数的基础上引入Quality Focal Loss改进损失函数,进一步提升模型检测性能.实验结果表明,改进后的轻量化YOLOv4与原始YOLOv4相比,模型大小压缩至原来的62.47%,每秒帧率提升了 68.83%,绝缘子缺陷检测的准确率提升了 1.07%,在显著提升检测速度的同时保证了算法检测精度,且在小目标和复杂背景下表现突出.
绝缘子缺陷检测、轻量化网络、GhostNet、YOLOv4、目标检测
45
TP391.4(计算技术、计算机技术)
2022-09-06(万方平台首次上网日期,不代表论文的发表时间)
共8页
123-130