论文摘要
针对输电线巡检图像受光线、环境和拍摄角度等因素影响,图像中的电气设备呈现低分辨率和多形态化特征的问题,提出一种基于改进Faster-RCNN的巡检图像多目标检测及定位方法。该方法首先通过区域建议策略网络生成若干目标候选区域;然后基于实际巡检图像样本库,对卷积神经网络进行训练,以改善参数学习效果;最后利用正则化方法优化参数权重,提高检测速度,得到适应巡检图像多形态化特征的改进型Faster-RCNN模型。实际场景数据集测试结果表明,相比于数字图像处理、浅层机器学习、单阶法、双阶法、Mask-RCNN和Local Loss目标检测方法,所提改进型Faster-RCNN能够在不同分辨率和不同位置角度的巡检图像场景下保持较高的识别精度和速度,具有较高的工程实用价值。
论文目录
文章来源
类型: 期刊论文
作者: 林刚,王波,彭辉,王晓阳,陈思远,张黎明
关键词: 区域建议,目标检测,特征提取,图像样本库,正则化
来源: 电力自动化设备 2019年05期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 电力工业,计算机软件及计算机应用
单位: 武汉大学电气工程学院
基金: 国家自然科学基金面上项目(51777142)~~
分类号: TP391.41;TM75
DOI: 10.16081/j.issn.1006-6047.2019.05.032
页码: 213-218
总页数: 6
文件大小: 545K
下载量: 1166