期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于改进YOLOv5s的输电线路防外力破坏行为检测识别 被引量：1
1
作者 郑良成 曹雪虹 +2 位作者 焦良葆 高阳 王彦生 《计算机测量与控制》 2024年第2期42-49,共8页
电力系统的安全对于整个能源传输过程至关重要;针对输电线路下超大工程车辆和烟火为主要的外力破坏行为,对单阶段目标检测算法YOLOv5s进行改进,首先针对输电线路多雨雾烟尘等工作环境,引入限制对比度自适应直方图均衡算法CLAHE对图片进... 电力系统的安全对于整个能源传输过程至关重要;针对输电线路下超大工程车辆和烟火为主要的外力破坏行为,对单阶段目标检测算法YOLOv5s进行改进,首先针对输电线路多雨雾烟尘等工作环境,引入限制对比度自适应直方图均衡算法CLAHE对图片进行去雾处理,提升图片对比度;针对检测目标距离较远的问题,在YOLOv5s网络的基础上添加CA注意力机制,提升了模型对目标的定位能力;将原网络中的最邻近差值采样方式替换为轻量级通用上采样算子CARAFE,更好地捕捉特征图的同时引入较小的参数量;最后在网络的特征融合层,使用具有通道混洗思想的GSConv卷积模块代替标准卷积模块,减少模型参数量,再利用slim_neck特征融合结构,强化目标关注度,达到减少模型参数量同时提升检测精度的效果;实验结果表明:改进后的YOLOv5s网络,mAP提升了4.4%,参数量减少了3.4%,权重模型内存减小了2.7%,证明了算法的有效性。 展开更多
关键词 目标检测 外力破坏 YOLOv5s CA注意力 CARAFE gsconv_slimneck
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部