摘要
本发明涉及电力设备目标检测技术领域,具体为一种电力设备红外图像检测方法、装置及介质,其中方法步骤包括:以YOLOv8n模型为基础构建DCLS‑YOLOv8n模型,使用可变形卷积构建的残差模块C2F‑DCNv3替换YOLOv8n模型主干网络中的C2F模块;在主干网络中添加坐标注意力机制CA;设计轻量级扩张式特征金字塔LDFPN替换YOLOv8n模型的颈部网络,采用SIoU边框回归损失函数进行训练。获取电力设备红外图像,并利用训练完成的DCLS‑YOLOv8n模型对电力设备红外图像进行识别。与现有技术相比,本发明具有检测精度高、模型参数量和计算量低等优点。
技术关键词
电力设备红外图像
残差结构
特征金字塔
残差模块
注意力机制
输出特征
Softmax函数
融合多尺度特征
网络
瓶颈结构
通道
程序
坐标
语义
检测头
采样点
存储器
系统为您推荐了相关专利信息
融合特征
特征金字塔网络
选票识别方法
卷积特征
多尺度
步态识别方法
识别视频序列
深度神经网络
卷积模型
分类器
自动识别方法
枇杷
卷积神经网络模型
图像
管理软件
社交媒体情感分析方法
融合情感特征
情感类别
极性调制
融合特征