10.11896/j.issn.1002-137X.2019.03.024
基于改进的R-FCN航拍巡线图像中的绝缘子检测方法
航拍巡线图像中的绝缘子目标存在部分遮挡的情况,利用区域全卷积网络(Region-based Fully Convolutional Networks,R-FCN)模型对其进行检测,出现了绝缘子目标检测效果较差且检测框无法完全贴合目标的问题.基于此,文中提出了一种基于改进的R-FCN航拍巡线图像中的绝缘子目标检测方法.首先,根据绝缘子目标的宽高比特征,将R-FCN模型中RPN的建议框的宽高比修改为1∶4,1∶2,1∶1,2∶1,4∶1;然后,针对遮挡问题,在R-FCN模型中引入对抗空间丢弃网络(Adversarial Spatial Dropout Network,ASDN)层,对特征图的部分位置生成掩码以获得目标特征的不完整样本,从而提高模型对目标特征较差的样本检测性能.在包含7433个绝缘子目标框的数据集中,R-FCN模型的平均检测率达到了77.27%,而改进的R-FCN检测方法的平均检测率达到了84.29%,性能提升了7.02%,且检测框更贴合目标.
区域全卷积网络、数据集、建议框比例、掩码
46
TN919.8;TM769
国家自然科学基金项目61871182,61401154,61773160,61302163;河北省自然科学基金项目F2016502101,F2017502016,F2015502062;中央高校基本科研业务费专项资金项目2018MS095,2018MS094
2019-05-24(万方平台首次上网日期,不代表论文的发表时间)
共5页
159-163