典型文献
融合注意力机制的轻量级红外高压套管识别算法
文献摘要：
为了提高红外图像中变压器高压套管的识别准确率,同时能够满足移动端和其他低端设备对目标检测网络的需要,本文提出一种改进的轻量级红外高压套管识别算法,采用Tiny YOLOv3目标检测网络作为基础检测网络.首先,通过融合CBAM(Convolutional Block Attention Module)注意力机制,将通道注意力与空间注意力机制串联,增大目标检测网络感受野,同时减轻网络计算任务,提升网络性能;然后,分别使用GIoU loss和Focal loss替代原有的边界框损失和置信度损失,从而提高对红外图像中的高压套管识别率,减少漏检、误检情况发生.实验结果表明,改进的网络相比于原Tiny YOLOv3网络,mAP提升到96.28％,F1提升到96.25％,权重文件大小为33.9 MB,远小于YOLOv3训练网络,能够更好地适用于低端设备,为智能变电站的在线监测提供了有利条件.
文献关键词：
红外图像;高压套管;Tiny YOLOv3;CBAM;GIoU loss;Focal loss
中图分类号：
作者姓名：
国腾飞;张则言;付宏财;王继选;牛天宝
作者机构：
云南农业大学,云南 昆明 650201;华北电力大学,河北 保定 071000;河北工程大学,河北 邯郸 056000
文献出处：
引用格式：
[1]国腾飞;张则言;付宏财;王继选;牛天宝-.融合注意力机制的轻量级红外高压套管识别算法)[J].计算机与现代化,2022(01):70-76
A类：
B类：
轻量级,识别算法,红外图像,变压器高压套管,识别准确率,移动端,低端,端设备,目标检测网络,Tiny,YOLOv3,基础检测,CBAM,Convolutional,Block,Attention,Module,通道注意力,空间注意力机制,大目标,感受野,网络性能,GIoU,loss,Focal,边界框,置信度损失,识别率,漏检,mAP,重文,文件大小,MB,智能变电站,在线监测,有利条件
AB值：
0.354512
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。
