典型文献
基于改进YOLOv2的电力标志牌检测
文献摘要：
电力安全标志牌检测可以识别监控区域内的警示信息,是智能电力安全作业管控系统的重要组成部分.为提高复杂电力场景下安全标志牌的检测精度,提出了一种改进YOLOv2的电力安全标志牌检测方法.在YOLOv2的基础上,通过增加预测层分辨率提升网络对小目标的预测能力.另外,引入索引池化机制,利用池化掩码限制无用信息的引入,以提高网络分类识别的精确度.实验结果表明,改进后的检测网络在电力标志牌测试集上的平均精度均值(Mean Average Preci?sion,mAP)达到了75.2％,比YOLOv2提高了3.2％.
文献关键词：
电力;标志牌;深度学习;目标检测;索引池化
中图分类号：
作者姓名：
孙玉玮;傅靖;马青山;张斌
作者机构：
国网江苏省电力有限公司南通供电分公司 南通 226006;南通华远科技发展有限公司 南通 226007
文献出处：
引用格式：
[1]孙玉玮;傅靖;马青山;张斌-.基于改进YOLOv2的电力标志牌检测)[J].计算机与数字工程,2022(12):2689-2693,2736
A类：
电力安全作业,索引池化,Preci
B类：
YOLOv2,标志牌,安全标志,警示,智能电力,作业管控,管控系统,电力场景,检测精度,小目标,预测能力,掩码,无用信息,分类识别,测网,测试集,平均精度均值,Mean,Average,sion,mAP,目标检测
AB值：
0.328656
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。
