期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
可提高检测精度的电力标识牌智能检测方法 被引量:1
1
作者 朱建宝 桑顺 +2 位作者 马青山 俞鑫春 张斌 《电气自动化》 2024年第1期101-103,共3页
电力安全标识牌检测是智能电力安全作业管控系统的重要组成部分。为提高复杂电力场景下安全标识牌的检测精度,提出了一种基于改进YOLO的电力安全标识牌检测方法。在YOLO的基础上,通过增加预测层分辨率提升网络对小目标的预测能力。此外... 电力安全标识牌检测是智能电力安全作业管控系统的重要组成部分。为提高复杂电力场景下安全标识牌的检测精度,提出了一种基于改进YOLO的电力安全标识牌检测方法。在YOLO的基础上,通过增加预测层分辨率提升网络对小目标的预测能力。此外,引入索引池化机制,利用池化掩码限制无用信息的引入,提高了网络分类识别的精确度。试验结果表明,改进后的检测网络在电力标识牌测试集上的平均精度均值达到了75.2%,比常规方法提高了3.2%。所提智能检测方法能够提升电力标识牌的检测识别能力,有利于保障电力生产安全。 展开更多
关键词 电力标识牌 深度学习 目标检测 索引 网络识别
下载PDF
基于改进YOLOv2的电力标志牌检测
2
作者 孙玉玮 傅靖 +1 位作者 马青山 张斌 《计算机与数字工程》 2022年第12期2689-2693,2736,共6页
电力安全标志牌检测可以识别监控区域内的警示信息,是智能电力安全作业管控系统的重要组成部分。为提高复杂电力场景下安全标志牌的检测精度,提出了一种改进YOLOv2的电力安全标志牌检测方法。在YOLOv2的基础上,通过增加预测层分辨率提... 电力安全标志牌检测可以识别监控区域内的警示信息,是智能电力安全作业管控系统的重要组成部分。为提高复杂电力场景下安全标志牌的检测精度,提出了一种改进YOLOv2的电力安全标志牌检测方法。在YOLOv2的基础上,通过增加预测层分辨率提升网络对小目标的预测能力。另外,引入索引池化机制,利用池化掩码限制无用信息的引入,以提高网络分类识别的精确度。实验结果表明,改进后的检测网络在电力标志牌测试集上的平均精度均值(Mean Average Precision,mAP)达到了75.2%,比YOLOv2提高了3.2%。 展开更多
关键词 电力 标志牌 深度学习 目标检测 索引
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部