如需要完整文档点击下方 "点击下载文档" 按钮

电力设备的锈蚀检测作为危害电力系统安全运行的重要一环必须能被快速、准确地进行识别与检测并及时报警。为了提高电力设备锈蚀区域检测的时效性和可靠性,基于 YOLOv3 目标检测算法,结合注意力机制提出了一种改进的Attention-YOLOv3 算法,可以实现对锈蚀区域的快速可靠识别。 首先,利用深度可分离卷积对 YOLOv3 的特征提干网络进行轻量化处理来缩减模型的大小, 提高检测速度。 其次, 为了弥补轻量化网络带来的精度损失,提高特征的提取能力, 在上采样之后采用了空间注意力机制(spatial-attention)和通道注意力机制(channel-attention)结合的级联双注意力机制对特征进行融合筛选, 剔除冗余的无效特征。 实验表明,提出的锈蚀区域检测算法能有效地检测和识别出电力设备的锈蚀区域,相比较标准 YOLOv3 可以做到在检测时间缩短近 46% 的情况下提升 9.06% 的检测精度,在 RustDetection 数据集上可以达到 91. 75% 的平均精度。

如需要完整文档点击下方 "点击下载文档" 按钮

《基于 Attention-YOLOv3 的锈蚀区域检测与识别》

将 完整文档 下载到本地，方便收藏和查阅

文件号：061868

点击下载文档