摘要
本发明公开了一种基于多尺度特征融合的输电线路小金具目标检测方法。该方法包括采集输电线路杆塔的图像数据,将采集的图像数据输入至训练合格的神经网络模型中,以获得目标检测结果。本发明基于改进的神经网络模型对输电线路小金具目标进行检测,可以减少小目标的特征信息丢失,更好的提取小目标的局部细节和全局上下文信息,提高高分辨率图片下对远距离小目标的识别和定位能力,且不会增加太多的计算成本和比如滑窗或图片切块等额外延迟检测的预处理手段;不仅保证了输电线路小金具目标检测效率,还提高了目标检测精度,可以更大程度的减轻巡检人员的劳动强度,保障巡检质量和效率,提高输电线路小金具智能化巡检的水平。
技术关键词
卷积模块
特征提取模块
多尺度特征融合
拼接模块
神经网络模型
非线性
支路
注意力
输电线路杆塔
上下文特征
通道
高分辨率图片
上采样
采样模块
全局平均池化
图像
元素
系统为您推荐了相关专利信息
识别模型生成方法
故障识别方法
隐式特征
数学模型
故障定位模型
涂胶工位
胶盒
螺丝胶
深度学习神经网络模型
胶棒
天地一体化网络
动态缓存方法
时空注意力模型
卷积神经网络模型
多尺度特征提取
深度估计方法
深度图
深度编码器
图像增强模块
场景结构
轴承故障诊断
关系网络
故障特征
特征提取模块
样本