基于CenterNet算法的复杂环境目标检测技术

• 作者: 赵民 葛云露 丁宁
• 来源期刊: 中国电子科学研究院学报
• 关键词: 目标检测 深度学习 机器学习 人工智能 复杂环境
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 工程应用|Engineering and Application
• 页码范围: 654-660
• 页数: 7页
• 分类号: TN971
• 语种: 中文
• DOI: 10.3969/j.issn.1673-5692.2021.07.004

摘要

目标检测可以替代人眼来进行异常检测,然而目前的目标检测算法存在着在复杂环境下识别速度低,不能实时检测等问题.针对该问题,文中提出了一种基于中心网络(CenterNet)算法,用于复杂环境异常目标检测的方法.CenterNet算法将图像中的检测目标看做一个点,具有计算量小,检测速度快的优点.选择电网数据集进行复杂环境异常目标检测实验.结果 表明,该算法的准确率在95％以上,并且基本满足实时性检测需求,与两种其他的检测算法进行对比分析,该方法在检测准确率和检测速度上均优于另两种检测算法.