基于改进PP-YOLOv2的红外图像电力设备检测

摘要：

针对复杂电力场景下红外目标检测任务中对多目标和难分样本的检测需求,以及目标样本稀缺、算法难以满足高精度与实时性要求的问题,基于PP-YOLOv2 模型提出一种结合数据增强与样本均衡的红外图像电力设备检测算法.首先提出Mix_Grid数据增强方法进行样本扩增,提高模型的泛化性能;然后在特征提取阶段嵌入协调注意力(Coordinate Attention,CA)模块,增强模型提取全局特征的能力;最后在损失函数部分引入梯度均衡机制(gradient harmonizing mechanism,GHM),解决样本不平衡问题,进一步提高对目标的识别能力.实验结果表明,所提方法在实际采集数据集上 mAP 值达到了93.15%,检测速度达到了66FPS,具有较好的精度与实时性.与现有方法的对比实验可知,所提方法对各类目标均具有更强的鉴别能力,具有较高的实际应用价值.

关键词：红外目标检测、数据增强、样本均衡、实时性

所属期刊栏目：40

分类号：TP391;TN219(计算技术、计算机技术)

资助基金：山西省重点研发计划项目;国网山西省电力公司科技项目;国网山西省电力公司信息化项目

在线出版日期：2023-11-02（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：81-87,241