基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对电力巡检对照片快速批量目标识别的业务需求,该文以YOLOv4为技术手段实现对电力巡检照片的目标检测过程.文中首先对电力巡检的训练数据集进行精确标注,后经过Darknet深度学习框架训练,试验检测达到了良好的效果.试验结果显示,该次试验检测的准确度为0.875,召回率为0.840.此目标检测效果满足部分电力巡检对图片目标检测的需求,但仍存在训练集图片数据量少以及图片中物体特征不显著等问题.
推荐文章
基于YOLOv4卷积神经网络的口罩佩戴检测方法
口罩佩戴检测
数据集
YOLOv4卷积神经网络
深度学习
视觉识别
改进YOLOv3在航拍目标检测中的应用
目标检测
航拍图像
深度学习
YOLOv3算法
基于改进YOLOV4模型的交通标志识别研究
交通标志识别
高清街景图像
注意力机制
增强感受野
改进实时目标检测算法的电力巡检鸟巢检测
鸟巢检测
电力巡检
深度学习
目标检测
实时目标检测算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 YOLOv4在电力巡检目标检测中的应用
来源期刊 现代信息科技 学科 工学
关键词 电力巡检 YOLOv4 目标检测 深度学习
年,卷(期) 2020,(20) 所属期刊栏目 信息化应用
研究方向 页码范围 115-117
页数 3页 分类号 TP391.41|TM75
字数 语种 中文
DOI 10.19850/j.cnki.2096-4706.2020.20.030
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (41)
共引文献  (5)
参考文献  (6)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(2)
  • 参考文献(0)
  • 二级参考文献(2)
2017(2)
  • 参考文献(0)
  • 二级参考文献(2)
2018(7)
  • 参考文献(0)
  • 二级参考文献(7)
2019(17)
  • 参考文献(0)
  • 二级参考文献(17)
2020(16)
  • 参考文献(6)
  • 二级参考文献(10)
2020(16)
  • 参考文献(6)
  • 二级参考文献(10)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
电力巡检
YOLOv4
目标检测
深度学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
现代信息科技
半月刊
2096-4706
44-1736/TN
16开
广东省广州市白云区机场路1718号8A09
46-250
2017
chi
出版文献量(篇)
4784
总下载数(次)
45
总被引数(次)
3182
论文1v1指导