基于改进YOLOv2和迁移学习的管道巡检航拍图像第三方施工目标检测

• 作者: 易欣 李忠兵 谌贵辉 钱济人 陈伍
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 管道巡检 深度学习 航拍图像 小目标检测 数据增强 迁移学习
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 1062-1068
• 页数: 7页
• 分类号: TP391.41
• 字数: 7441字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2019081510

摘要

针对传统目标检测算法应用在无人机航拍图像上第三方施工目标检测和违章占压建筑检测的数据集少、检测率低等问题,提出基于Aerial-YOLOv2和迁移学习的航拍图像目标检测算法.首先,利用结合数据增强的迁移学习策略训练的网络来扩大数据集规模,并利用K均值聚类分析得到符合所提数据集特点的锚点框数量和尺寸;其次,通过自适应对比度增强的方法对图像进行预处理;最后,提出改进卷积模块替代YOLOv2中的卷积块并结合特征融合的多尺度预测方式进行目标检测.用不同的算法和训练策略在无人机航拍图像上进行对比实验,实验结果表明,Aerial-YOLOv2算法结合多种训练策略后,其准确率、召回率分别能达到95％、91％,每张图像检测时间为14 ms.由此可知,该算法适用于无人机航拍图像第三方施工目标及违章占压建筑的智能检测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谌贵辉	西南石油大学电气信息学院	44	141	7.0	8.0
2	钱济人	西南石油大学电气信息学院	3	6	1.0	2.0
4	李忠兵	西南石油大学电气信息学院	6	5	1.0	2.0
5	易欣	西南石油大学电气信息学院	1	0	0.0	0.0
8	陈伍	西南石油大学电气信息学院	1	0	0.0	0.0