改进SSD的输电铁塔鸟窝检测

• 作者: 焦良葆 祁婕
• 来源期刊: 计算机系统应用
• 关键词: 深度学习 SSD算法 鸟窝检测 ResNet Focal loss
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 202-208
• 页数: 7页
• 字数: 4923字
• 语种: 中文

摘要

输电铁塔作为架空输电线的重要组成部分,其安全状况将影响整个电力系统的运行,鸟窝的搭建作为影响输电线路正常运行的重要因素之一,需要对此进行监控.而现有的监控手段不仅效率低,还需要耗费大量的人力物力.本文针对这一现象提出一种基于SSD算法的实时检测方法,并在SSD的网络结构基础上将前置网络VGGNet替换为ResNet-101,提高其特征提取能力,并将Softmax loss用Focal loss代替以改善SSD算法中样本不平衡的问题,并利用数据增广提高数据多样性,以提高模型的鲁棒性.实验结果表明本文所提出的方法检测精度对比原SSD算法在准确度和召回率上分别有3.17％和6.35％的提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	焦良葆	南京工程学院人工智能产业技术研究院	34	61	5.0	6.0
2	祁婕	南京工程学院人工智能产业技术研究院	1	0	0.0	0.0