摘要
本发明公开一种基于空洞卷积的变压器早期渗漏油小目标检测方法,属于计算机视觉及目标检测技术领域,本发明的检测模型通过对原始YOLOv8模型的骨干网络和头部网络进行优化,在原始YOLOv8模型的骨干网络添加特征增强模块,利用多分支结构提取多个判别性语义信息,通过在分支中引入空洞卷积,既不增加计算量,也能获取更大范围的上下文信息;头部网络的特征融合模块采用改进的特征融合模块,通过引入可学习权重参数以自适应调整通道特征的权重;在头部网络添加归一化注意力机制模块,利用残差连接的方式实现通道的加权输出。与传统的变压器早期渗漏检测手段相比,本方法增强了有效特征的提取和表达能力,能够得到较高的变压器早期渗漏油检测准确率。
技术关键词
变压器
空洞
模块
通道注意力机制
网络
渗漏油
多分支结构
更新模型参数
数据
随机梯度下降
检测头
上采样
训练集
语义
计算机视觉