作者:
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:
使用传统视觉对绝缘子进行目标检测的方法效率偏低,稳定性也较差.针对这些问题对YOLOv3原始模型做出了两方面的改进:利用K-means++聚类算法产生用于训练的先验锚框,并且根据绝缘子数据集特性优化了损失函数模型,进而提出新的绝缘子目标检测方法.采用航拍绝缘子图像数据集进行仿真实验后得出,改进后的YOJOv3算法在保证检测实时性的同时,其准确率更高,比原始YOLOv3算法更好地提取电力巡检航拍绝缘子图像的数据特征,具有很好的适用性.
推荐文章
基于YOLOv3的车辆多目标检测
车辆
多目标检测
Darknet-53网络
YOLOv3
融入注意力的YOLOv3绝缘子串识别方法
YOLOv3
注意力机制
绝缘子串识别
深度学习
自适应边缘优化的改进YOLOV3目标识别算法
目标检测
零件识别
卷积神经网络
YOLOV3
PSO
一种基于改进Yolov3的弹载图像多目标检测方法
弹载图像
目标检测
YOLOv3
位置损失
快速NMS
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 改进YOLOv3的电力绝缘子目标检测研究
来源期刊 电脑编程技巧与维护 学科
关键词 绝缘子 目标检测 YOLOv3算法 K-means++算法 损失函数
年,卷(期) 2022,(3) 所属期刊栏目 软件研发与应用
研究方向 页码范围 56-58,82
页数 4页 分类号
字数 语种 中文
DOI 10.3969/j.issn.1006-4052.2022.03.018
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2022(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
绝缘子
目标检测
YOLOv3算法
K-means++算法
损失函数
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
电脑编程技巧与维护
月刊
1006-4052
11-3411/TP
大16开
北京市海淀区长春桥路5号六号楼1209室
82-715
1994
chi
出版文献量(篇)
14554
总下载数(次)
80
总被引数(次)
25630
论文1v1指导