典型文献
基于改进YOLOv3的接触网设备目标检测方法
文献摘要:
为了改善铁路接触网设备检测的漏检率和误检率高的问题,提出一种改进YOLOv3的接触网设备目标检测方法.在Darknet-53与预测特征层之间加入一块空间金字塔模块,增大感受野;引入图像增强方法,增加了数据集的鲁棒性和多样性;用GIoU损失函数代替原来的IoU损失函数,提升目标检测精度.实验结果表明,将改进模型应用在铁路接触网设备中,平均检测精度(mAP)达到89.19%,相比原来的YOLOv3模型提高了9.38%,且目标检测速度变化不大,说明该目标检测模型可满足接触网设备的检测要求.
文献关键词:
接触网设备;目标检测;深度学习;YOLOv3;损失函数
中图分类号:
作者姓名:
令晓明;顾(龑)楠;范少良;王文强
作者机构:
兰州交通大学国家绿色镀膜技术与装备工程技术研究中心;兰州交通大学机电工程学院;兰州交通大学光电技术与智能控制教育部重点实验室,甘肃兰州730070
文献出处:
引用格式:
[1]令晓明;顾(龑)楠;范少良;王文强-.基于改进YOLOv3的接触网设备目标检测方法)[J].软件导刊,2022(10):109-114
A类:
B类:
YOLOv3,接触网设备,目标检测方法,铁路接触网,设备检测,漏检率,误检率,Darknet,一块,空间金字塔模块,感受野,图像增强,增强方法,GIoU,损失函数,数代,提升目标,检测精度,改进模型,模型应用,mAP,检测速度,速度变化,目标检测模型,检测要求
AB值:
0.332785
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。