摘要
本发明提供一种基于Yolov8改进的电力基建场景的目标检测方法,属于人工智能及目标检测技术领域。本发明将人工智能技术融入电力作业场景,能够预防作业过程中潜在的安全隐患;其通过构建结合ConvFormer与卷积门控线性单元Convolutional Gated Linear Unit网络的模块,代替Yolov8模型框架中的C2f网络模块,能够在保证算法检测准确率的前提下,有效减少了模型的计算参数;同时,通过构建共享卷积模块Feature Shared Conv替换Yolov8模型框架中的SPPF网络模块,能够捕捉图像中更加精细的特征,提升模型在面对复杂场景时的检测准确率。
技术关键词
卷积模块
线性单元
基建
网络模块
电力作业场景
分类器
多尺度信息
网络结构
表达式
图像
特征金字塔
人工智能技术
多层感知机
训练集
样本
数据
框架
格式
系统为您推荐了相关专利信息
动态数据集
模型参数辨识方法
进化算法
计算机可读指令
误差
统计特征
逻辑电路
逻辑综合方法
序列特征
特征提取模块
视觉深度估计方法
图像分割网络
像素点
加速网络收敛
坐标系
电力变压器
门控循环单元
局部放电数据
诊断方法
电信号