基于改进Mask R-CNN的绝缘子目标识别方法

• 作者: 朱有产 王雯瑶
• 来源期刊: 微电子学与计算机
• 关键词: 卷积神经网络 目标识别 开运算 绝缘子
• 年，卷（期）: 2020,（2）
• 页码范围: 69-74
• 页数: 6页
• 分类号: TP391.41
• 语种: 中文

摘要

为了提高绝缘子目标检测精度,缩短网络训练时间,提出基于卷积神经网络的InsuNet绝缘子目标识别方法.InsuNet网络采用56层卷积层作为主干网络,在特征提取网络的每个池化层后附加一层开运算,以过滤掉目标特征周围的干扰,增强算法鲁棒性.图像经主干网络传向区域提议网络提取感兴趣区域和主干网络前向传播的特征图共享给感兴趣区域对齐层固定特征尺寸,而后掩膜分支和目标分类、边界框回归分支并行输出ROI目标的掩膜、类别和回归框.结果表明,与Mask R-CNN模型对比,本方法在识别各种类型绝缘子时精确率达到94.7％,单张图像处理时间约为0.18s,缩短了约40 ms.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱有产	华北电力大学控制与计算机工程学院	29	263	11.0	15.0
2	王雯瑶	华北电力大学控制与计算机工程学院	1	0	0.0	0.0