基于改进的YOLOv3接触网鸟巢检测与识别
接触网上鸟巢对铁路安全稳定运行存在严重威胁.为检测和识别接触网上鸟巢以解决鸟巢对铁路运行造成的不良影响,提出一种改进的YOLOv3算法.首先对接触网鸟巢图像进行前期预处理,去噪等操作能够加强对鸟巢本质特征的提取,数据增强一定程度上避免神经网络的过拟合现象产生.然后在网络结构中加入空间金字塔池化模块,对特征图进行不同尺度的池化操作再拼接,得到固定尺寸的输出,提取鸟巢多尺度特征.最后将衡量预测框与真实框距离的GIoU作为边界框损失函数,模型优化损失同时优化真实框与预测框的重叠度.实验结果表明,该方法在接触网鸟巢检测的平均准确率达到95.1％,在接触网鸟巢检测领域有较高的检测精度,能在复杂的接触网背景下较好的识别检测鸟巢.
接触网;深度学习;鸟巢检测;图像处理
38
TP317.4(计算技术、计算机技术)
江西省自然科学基金;国家自然科学基金项目;江西省重点研发计划项目
2021-09-16（万方平台首次上网日期，不代表论文的发表时间）
共9页
72-80
