基于深度学习的输电线杆塔鸟巢检测与识别

• 作者: 庞宁
• 来源期刊: 自动化与仪器仪表
• 学科: 工学
• 关键词: 深度学习 输电线杆塔 鸟巢 检测与识别
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 自动化应用
• 页码范围: 195-198,204
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.14016/j.cnki.1001-9227.2020.04.195

摘要

传统的基于BP网络检测与识别算法存在泛化能力差的缺点,影响分类识别率和检测准确率.为此设计基于深度学习的输电线杆塔鸟巢检测与识别方法.以Faster R-CNN算法网络结构为基础,利用ZF-NET网络提取鸟巢图像特征图,输入特征图,经过修正后输出矩形候选区域并计算检测窗口,利用检测窗口完成图像中有无鸟巢的检测;提取已检测图像特征,再通过构建的强分类器对其进行分类,完成鸟巢位置的识别.实验结果表明:与传统的基于BP网络的方法相比,基于深度学习的Faster R-CNN算法识别率提高了12.13％,检测准确率提高了3.5％,证明了基于深度学习的算法具有较强的泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	庞宁		1	0	0.0	0.0