一种SSD-RTF输电线路小目标检测算法研究

doi:10.3969/j.issn.1674-8425(z).2023.00.037

摘要/Abstract

摘要： 针对传统输电线路无人机巡检图像检测方法对输电线路小目标检测能力弱，并且存在错检和漏检率高、浅层网络语义信息不足等问题，提出了一种SSD-RTF输电线路小目标检测算法模型。在原始的SSD算法主干网络VGG-16浅层网络层添加视觉机制来扩大感受野，并且引入三叉乾特征融合模块提取特征图的多尺度特征，增加特征图的鲁棒性；融合FusionNet浅层特征模块，从而增加小目标的提取能力；使用注意力机制以提升对关键信息的学习效果，以此来提高目标检测效率；改进非极大值抑制提高网络的表示能力。改进后的SSD-RTF算法在自行构建的输电线数据集上的实验结果显示，在检测小目标时准确性和实时性方面都有了一定的提高，整体mAP上升了7.5%，同时也减少了错检和漏检情况。

关键词: 目标检测, 浅层融合, 三叉乾特征融合, 视觉机制, 非极大值抑制

唐心亮, 李少杰, 王建超, 王震洲. 一种SSD-RTF输电线路小目标检测算法研究[J]. 重庆理工大学学报（自然科学）, 0, (): 1-.

[1]	张皓帝, 张瑞乾, 童亮. 基于改进ＹＯＬＯｖ５ｓ的车辆目标检测方法[J]. 重庆理工大学学报（自然科学）, 2023, 37(7): 80-89.
[2]	邓天民, 王丽, 刘旭慧. 基于注意力及特征融合的红外行人检测算法[J]. 重庆理工大学学报（自然科学）, 2023, 37(6): 196-203.
[3]	王红君, 王金云, 赵辉. 一种改进ＹＯＬＯｖ５ｓ的自爆绝缘子检测算法研究[J]. 重庆理工大学学报（自然科学）, 2023, 37(4): 235-244.
[4]	杨肖, 袁锐波, 李兆旭. 改进ＹＯＬＯｖ４的蚕豆苗检测算法及ＴｅｎｓｏｒＲＴ加速[J]. 重庆理工大学学报（自然科学）, 2023, 37(3): 312-320.
[5]	申彩英, 朱思瑶, 黄兴驰. 双目视觉的智能汽车目标检测算法研究[J]. 重庆理工大学学报（自然科学）, 2023, 37(11): 11-19.
[6]	李伟文, 缪小冬, 顾曹雨. 融合点柱网络和ＤＥＴＲ的三维复杂道路目标检测[J]. 重庆理工大学学报（自然科学）, 2023, 37(11): 32-39.
[7]	陈垦, 王世法, 谭屈山. 远程广域网多技术融合的高速公路施工智能监控系统[J]. 重庆理工大学学报（自然科学）, 2023, 37(11): 125-133.
[8]	田霖, 李华, 李林轩. 基于特征解耦的开放世界目标检测[J]. 重庆理工大学学报（自然科学）, 2023, 37(10): 166-173.
[9]	喻捷, 杨倩, 冯欣. 基于级联多任务深度神经网络的施工现场车辆进出检测与识别算法[J]. 重庆理工大学学报（自然科学）, 2023, 37(10): 247-254.
[10]	张海明，史涛. 基于改进ＦａｓｔｅｒＲＣＮＮ的目标检测算法研究[J]. 重庆理工大学学报（自然科学）, 2022, 36(9): 179-186.
[11]	黄　丹，陈　志，冯　欣. 有限样本下基于图卷积神经网络的目标检测方法研究[J]. 重庆理工大学学报（自然科学）, 2022, 36(6): 172-180.
[12]	冯欣，殷一皓，吴浩铭. 目标关联学习的端到端多目标检测与跟踪联合方法[J]. 重庆理工大学学报（自然科学）, 2022, 36(4): 143-152.
[13]	田枫，姜文文，刘芳. 混合体素与原始点云的三维目标检测方法[J]. 重庆理工大学学报（自然科学）, 2022, 36(11): 108-117.
[14]	谷玉海１，曹梦婷１，修嘉芸１，任斌２，刘朔１. 基于ＹＯＬＯｖ４网络的违章行为检测算法[J]. 重庆理工大学学报（自然科学）, 2021, 35(8): 114-121.
[15]	李昂１，２，王晟全２，张晨３. 基于Ｒｓｎｅｔ框架和Ｍｏｂｉｌｅｎｅｔ迁移网络的遥感机场目标识别[J]. 重庆理工大学学报（自然科学）, 2021, 35(6): 131-136.

一种SSD-RTF输电线路小目标检测算法研究

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 0