基于Mask R-CNN的电力设备锈迹检测
电力设备锈迹目标的识别在电力安全方面具有极高的应用价值,但是锈迹具有大小、形状不规则等特点,利用传统的机器学习算法检测效率和准确率不高.针对这一问题,研究分析锈迹特点,提出基于Mask R-CNN的电力设备锈迹检测识别方法.使用Faster R-CNN完成目标检测的功能,FCN精准的完成语义分割的功能,实现像素级别的分类识别,较好地解决了不规则锈迹的检测问题.实验结果表明,基于Mask R-CNN的电力设备锈迹检测结果准确率高.
深度学习、MaskR-CNN、锈迹检测、不规则、实例分割
28
国家自然科学基金61309024;山东省重点研发计划2017GGX0140
2019-06-03(万方平台首次上网日期,不代表论文的发表时间)
共4页
248-251