典型文献
应用于绝缘子缺陷检测的轻量化YOLOv4研究
文献摘要:
针对YOLOv4主干网络庞大、参数量多,应用于绝缘子缺陷检测中无法满足实时性要求的问题,提出一种轻量化的YOLOv4检测模型.首先,引入含ECA集成组件的GhostNet作为特征提取网络,保证特征提取能力的同时大幅减少模型参数,加快模型推理速度.其次,使用K-means++聚类算法确定出初始锚框尺寸,以适应绝缘子缺陷大小,提升缺陷定位精度.最后,在交叉熵损失函数的基础上引入Quality Focal Loss改进损失函数,进一步提升模型检测性能.实验结果表明,改进后的轻量化YOLOv4与原始YOLOv4相比,模型大小压缩至原来的62.47%,每秒帧率提升了 68.83%,绝缘子缺陷检测的准确率提升了 1.07%,在显著提升检测速度的同时保证了算法检测精度,且在小目标和复杂背景下表现突出.
文献关键词:
绝缘子缺陷检测;轻量化网络;GhostNet;YOLOv4;目标检测
中图分类号:
作者姓名:
马进;白雨生
作者机构:
华北电力大学控制与计算机工程学院 保定 071003
文献出处:
引用格式:
[1]马进;白雨生-.应用于绝缘子缺陷检测的轻量化YOLOv4研究)[J].电子测量技术,2022(14):123-130
A类:
B类:
绝缘子缺陷检测,YOLOv4,主干网络,参数量,检测模型,ECA,成组,GhostNet,特征提取网络,特征提取能力,模型推理,推理速度,means++,聚类算法,锚框,缺陷大小,缺陷定位,定位精度,交叉熵损失函数,Quality,Focal,Loss,模型检测,检测性能,每秒,帧率,准确率提升,检测速度,检测精度,小目标,复杂背景,轻量化网络,目标检测
AB值:
0.410849
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。