注意力机制和Faster RCNN相结合的绝缘子识别

摘要：

针对利用Faster RCNN识别绝缘子图像过程中定位不够准确的问题,提出一种注意力机制和Faster RCNN相结合的绝缘子识别方法.在特征提取阶段引入基于注意力机制的挤压与激励网络(Squeeze-and-Excit-ation Networks,SENet)结构,使模型能够关注与目标相关的特征通道并弱化其他无关的特征通道;根据绝缘子的特点,对区域建议网络(region proposal network,RPN)生成锚点(anchor)的比例和尺度进行调整;在全连接层运用注意力机制对周围建议框的特征向量赋予不同权重并进行融合,更新目标建议框的特征向量.实验结果表明:与传统的Faster RCNN算法相比,改进后的算法能够较好地识别出绝缘子.

关键词：FasterRCNN、绝缘子、注意力机制、SENet、特征通道、RPN、建议框、特征向量

所属期刊栏目：15

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61871182, 61773160

在线出版日期：2020-07-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：92-98