基于深度学习的电器目标检测

• 作者: 何枝蔚 徐道猛 李游 邓扬 陈从平
• 来源期刊: 机械
• 学科: 工学
• 关键词: 目标检测 识别 深度学习 神经网络
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 设计与研究
• 页码范围: 1-8
• 页数: 8页
• 分类号: TP183|V448.25+1
• 字数: 3095字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-0316.2020.01.001

摘要

针对传统目标检测算法无法自适应提取目标相应特征并完成识别的现象,提出一种基于快速区域卷积神经网络(Faster R-CNN)模型的电器识别方法,其优势在于可以自适应获取不同场景下目标的特征,避免由于人为设计目标的特征而带来的主观因素影响,具有良好的鲁棒性与准确性.Faster R-CNN中首先通过建立区域建议网络RPN(Region Proposal Network)代替Fast R-CNN中的Selective Search方法,得到建议位置后再进行检测.为了解决训练过程当中正负样本失衡问题,在Faster R-CNN中引入了难负样本挖掘策略,增强了模型的判别能力,提高检测的精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈从平	三峡大学机械与动力学院	50	189	7.0	11.0
5	邓扬	三峡大学机械与动力学院	5	1	1.0	1.0
6	何枝蔚	三峡大学机械与动力学院	6	1	1.0	1.0
7	徐道猛	三峡大学机械与动力学院	4	1	1.0	1.0
8	李游	三峡大学机械与动力学院	4	1	1.0	1.0