Indexed by：
Abstract：
针对目前电力巡检图像中传统的防振锤检测方法仍存在效率低、精度差、计算成本高等问题,提出一种基于区域全卷积网络(region-based fully convolutional networks, R-FCN)的电力巡检图像防振锤智能识别方法.该方法通过特征提取网络自动提取防振锤特征,省却了传统检测方法特征提取的过程,提高了效率.此外,在R-FCN网络中采用位置敏感池化来引入平移变换,抵消全卷积网络造成的平移不变性问题,在检测精度和效率上均有较大提高.实验结果表明,该方法能准确检测出复杂背景下不同形态的防振锤,平均准确率高达88%,具有较强的鲁棒性.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
福州大学学报(自然科学版)
ISSN： 1000-2243
CN： 35-1337/N
Year： 2020
Issue： 06
Volume： 48
Page： 714-719
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 1
Affiliated Colleges：
