收藏本站
《北京交通大学学报》 2019年05期
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于Faster R-CNN的多尺度高压塔鸟巢检测

王纪武  罗海保  鱼鹏飞  郑乐乐  胡方全  
【摘要】:为了解决复杂图像背景条件下高压塔上鸟巢检测的问题,提出一种基于Faster R-CNN的多尺度高压塔鸟巢检测方法.在特征提取方面,通过改进基于卷积神经网络的ResNet-50特征提取网络分别完成图像中高压塔和鸟巢的特征提取;在建议区域提取方面,提出在两种不同深度的卷积特征图上采用合理尺度的不同大小滑动窗口方式完成建议区域的提取,增强了对鸟巢的检测能力;在目标检测方面,提出在高分辨卷积特征图上进行上采样操作,并额外增加SENet特征增强模块,有效提高了目标检测效果.最后利用同时检测出的高压塔区域条件剔除了此区域之外的鸟巢检测结果,进一步提升了最终的鸟巢检测精度.该方法在2 000幅无人机实际巡检航拍的含有鸟巢的图像数据集上进行了测试.实验结果表明:本文方法的平均检测精度达到了84.55%.对比已有的基于HOG+SVM的检测方法和基于经典的Faster R-CNN ResNet-50检测方法,本文所提出的方法平均检测精度分别提高了43.5%和15.2%,并加快了检测速度.该方法为无人机电力智能巡检提供了一种新的解决办法.

知网文化
【相似文献】
中国期刊全文数据库 前3条
1 姚万业;李金平;;基于改进的Faster R-CNN的电力部件识别[J];电力科学与工程;2019年05期
2 张德钦;刘晓伟;刘源;江振钰;夏鹏;;基于Faster R-CNN的复合绝缘子憎水性分析研究[J];智慧电力;2019年04期
3 黄文琦;张福铮;李鹏;明哲;许爱东;陈华军;杨航;;基于Faster R-CNN的绝缘子识别探索和应用[J];南方电网技术;2018年09期
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978