典型文献
基于注意力机制和多尺度特征融合的绝缘子缺陷检测方法
文献摘要：
随着深度学习的快速发展,利用目标检测算法对航拍绝缘子图像进行缺陷检测成为绝缘子巡检的主要方式.针对传统目标检测算法对小目标的检测精度较低、特征图的表征能力较弱和提取的关键信息较少的问题,提出以YOLOv51为基础网络的改进的基于注意力机制和多尺度特征融合的绝缘子缺陷检测方法AMF-YOLOv51(Attention Mechanism and Multi-Scale Feature Fusion Based on YOLOv51).首先,通过增加一个小目标检测头,提高模型对小目标的检测性能;然后,构造DSPP(Dilated Spatial Pyramid Pooling)模块,充分融合多尺度特征,增强特征图的表征能力;最后,引入CA(Coordinate Attention)注意力机制,使网络更加专注于关键信息.在航拍绝缘子数据集APID(Aerial Photo-graphic Insulator Dataset)以及两个公共数据集PASCAL VOC和MS COCO上分别验证该方法的可行性.实验结果表明,在 APID 数据集中该方法的 AP(Average Precision)比 YOLOv51 算法提升 5.2％,FPS(Frames Per Second)仅降低2.3,并且在公共数据集上和其他算法相比均有明显优势,证明提出的方法在较大提升检测精度的同时,还可以保持较高的检测速度,能够很好地满足绝缘子缺陷检测的工程应用需求.
文献关键词：
绝缘子;缺陷检测;小目标检测;多尺度特征融合;注意力机制
中图分类号：
作者姓名：
马学森;马吉;蒋功辉;许雪梅;周天保
作者机构：
合肥工业大学计算机与信息学院,合肥,230601;安全关键工业测控技术教育部工程研究中心,合肥工业大学,合肥,230601
文献出处：
引用格式：
[1]马学森;马吉;蒋功辉;许雪梅;周天保-.基于注意力机制和多尺度特征融合的绝缘子缺陷检测方法)[J].南京大学学报（自然科学版）,2022(06):1020-1029
A类：
APID
B类：
注意力机制,多尺度特征融合,绝缘子缺陷检测,缺陷检测方法,目标检测算法,航拍,绝缘子图像,巡检,主要方式,检测精度,特征图,表征能力,关键信息,YOLOv51,AMF,Attention,Mechanism,Multi,Scale,Feature,Fusion,Based,小目标检测,检测头,检测性能,DSPP,Dilated,Spatial,Pyramid,Pooling,充分融合,Coordinate,Aerial,Photo,graphic,Insulator,Dataset,公共数据,PASCAL,VOC,COCO,Average,Precision,FPS,Frames,Per,Second,检测速度,应用需求
AB值：
0.389333
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
