排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
2.
针对输电通道下环境复杂,各类工程车辆频繁损坏输电线路中所需解决的对工程车辆的检测识别问题,在单阶段目标检测算法YoloX的基础上,对YoloX算法中的损失函数进行修改,平衡正负样本和难易样本,在网络中添加CBAM注意力机制,将内部通道信息和位置信息结合,提高特征的提取能力,并通过修改强特征提取部分Neck中的CspLayer结构,在保证检测速度的前提下,提高模型的检测性能。通过筛选亮度低的图片,引入改进的MSR算法对图片进行亮度提升,优化数据集。实验结果表明,提出的算法提高了检测的准确率,与传统的YoloX算法相比,mAP提高了4.64%,识别效果明显提升,证明了新算法的有效性。 相似文献
3.
为提高单目标多分类(Single Shot MultiBox Detector,SSD)网络模型对输电线防震锤的识别准确率,提出一种融合卷积注意力机制和SSD模型相结合的新方法。该算法采用残差网络ResNet作为骨干网络,引入卷积注意力机制将通道和空间注意力结合,通过压缩提取中间特征和利用权重系数更好地分辨出前景与背景,提高对输电线路中防震锤检测的精度和速度。训练时引入迁移学习策略,克服了模型训练困难问题。实验结果表明,提出的算法不仅提高了检测准确率,计算效率亦得到了提升。与经典SSD算法相比,输电线路的防震锤检测准确率提升了2.5%,检测速度达到了12fps识别效果明显提升,证明了新算法的有效性。 相似文献
4.
1