基于特征融合Faster R-CNN的电力塔基目标检测
为了实现对无人机拍摄的电力塔基地面图像的目标检测,首先,建立了一个高分辨率的电力塔基地面图像数据集,并提出了使用基于Faster R-CNN(快速区域卷积神经网络)改进的目标检测算法提高检测准确率.该方法采用ResNet-50作为Faster R-CNN的主干网络代替VGG-16(卷积神经网络结构),在检测过程中加入了多尺度特征融合技术.最后,将改进的Faster R-CNN电力塔基检测算法与YOLOv4(目标检测算法)和SSD(单发多盒探测器)的检测结果进行对比与分析.结果表明,当IoU(重叠度)阈值为0.75时,算法检测结果的平均精度提升了2.9%;当IoU阈值为0.5时,平均精度提升了0.19%.
目标检测;快速区域卷积神经网络;电力塔基;通道注意力;多尺度特征融合
40
TM75(输配电工程、电力网及电力系统)
国网浙江省电力有限公司科技项目5211DS18002V
2021-12-17(万方平台首次上网日期,不代表论文的发表时间)
共6页
72-77