在斯隆数字巡天任务中,受体积较大亮度较高的天体干扰,现阶段的目标检测算法对小尺度天体的检测效果并不理想.针对上述问题,提出一种基于Mask-GAN和YOLOv3的小尺度天体检测方法.方法分为两大步骤:第1步干扰天体屏蔽.首先设计了一个干扰...在斯隆数字巡天任务中,受体积较大亮度较高的天体干扰,现阶段的目标检测算法对小尺度天体的检测效果并不理想.针对上述问题,提出一种基于Mask-GAN和YOLOv3的小尺度天体检测方法.方法分为两大步骤:第1步干扰天体屏蔽.首先设计了一个干扰天体Mask构建算法,通过自适应阈值分割和连通域分析提取干扰目标,并提出融合各波段区域特征和排除邻近目标方式构建Mask,避免以往分割方法存在的光晕残留和邻近目标错误分割现象;其次构建GAN模型,结合干扰天体Mask完成屏蔽干扰任务.第2步将处理过的数据输入改进的YOLOv3模型进行小尺度天体检测.引入注意力机制,构建C-EfficientNet作为主干特征提取网络,加强网络的特征提取能力和对目标关注程度;同时扩展4个有效特征层并提出一种提升浅层特征图权重的方式SAt,让网络更好地利用分辨率高细节丰富的浅层特征来检测小尺度天体.实验与分析表明,在SDSS(Sloan digital sky survey)天文数据集上对小尺度恒星和星系的检测平均精度达到了81.16%和77.89%,相比于当前经典算法检测效果更好,有一定的实际应用意义.展开更多
目的防震锤可以减少输电线路的周期性震动以降低线路的疲劳损害,定期对防震锤进行巡检非常必要。针对目前无人机巡检输电线路所得航拍图像背景复杂,而种类较多、形状各异以及特性不一的防震锤在航拍图像中占据像素面积很小,导致防震锤...目的防震锤可以减少输电线路的周期性震动以降低线路的疲劳损害,定期对防震锤进行巡检非常必要。针对目前无人机巡检输电线路所得航拍图像背景复杂,而种类较多、形状各异以及特性不一的防震锤在航拍图像中占据像素面积很小,导致防震锤检测过程中出现的检测精度低、无法确定缺陷类型等问题,提出了一种结合跨层特征融合和级联检测器的防震锤缺陷检测方法。方法本文使用无人机对防震锤部件巡检的航拍图像进行数据扩充建立防震锤缺陷检测数据集,并划分了4种缺陷类型,为研究提供了数据基础。首先,以VGG16(Visual Geometry Group 16-layer network)为基础对1、3、5层特征进行特征融合得到特征图,平衡了语义信息和空间特征;其次,使用3个级联检测器对目标进行分类定位,减小了交并比(intersection over union,IoU)阈值对网络性能的影响;最后,将非极大值抑制法替换为Soft-NMS(soft non-maximum suppression)算法,去除边界框保留了最佳结果。结果在自建数据集上验证网络模型对4种防震锤缺陷类型的检测效果,与现有基于深度学习的其他6种先进算法相比,本文算法的平均准确率比Fast R-CNN(fast region-based convolutional network)、Faster R-CNN、YOLOv4(you only look once version 4)分别提高了13.5%、3.4%、5.8%,比SSD300(single shot MultiBox detector 300)、YOLOv3、RetinaNet分别提高了9.5%、8.5%、8%。与Faster R-CNN相比,本文方法的误检率降低了5.61%,漏检率降低了3.01%。结论本文提出的防震锤缺陷检测方法对不同背景、不同光照、不同角度、不同尺度、不同种类和不同缺陷种类的防震锤均有较好的检测结果,不但可以更好地提取防震锤的特征,而且还能提高分类和位置预测网络的定位精度,从而有效提高了防震锤缺陷检测算法的准确率,在满足防震锤巡检工作实际检测要求的同时还具有较好的鲁棒性和有效性。展开更多
文摘在斯隆数字巡天任务中,受体积较大亮度较高的天体干扰,现阶段的目标检测算法对小尺度天体的检测效果并不理想.针对上述问题,提出一种基于Mask-GAN和YOLOv3的小尺度天体检测方法.方法分为两大步骤:第1步干扰天体屏蔽.首先设计了一个干扰天体Mask构建算法,通过自适应阈值分割和连通域分析提取干扰目标,并提出融合各波段区域特征和排除邻近目标方式构建Mask,避免以往分割方法存在的光晕残留和邻近目标错误分割现象;其次构建GAN模型,结合干扰天体Mask完成屏蔽干扰任务.第2步将处理过的数据输入改进的YOLOv3模型进行小尺度天体检测.引入注意力机制,构建C-EfficientNet作为主干特征提取网络,加强网络的特征提取能力和对目标关注程度;同时扩展4个有效特征层并提出一种提升浅层特征图权重的方式SAt,让网络更好地利用分辨率高细节丰富的浅层特征来检测小尺度天体.实验与分析表明,在SDSS(Sloan digital sky survey)天文数据集上对小尺度恒星和星系的检测平均精度达到了81.16%和77.89%,相比于当前经典算法检测效果更好,有一定的实际应用意义.
文摘目的防震锤可以减少输电线路的周期性震动以降低线路的疲劳损害,定期对防震锤进行巡检非常必要。针对目前无人机巡检输电线路所得航拍图像背景复杂,而种类较多、形状各异以及特性不一的防震锤在航拍图像中占据像素面积很小,导致防震锤检测过程中出现的检测精度低、无法确定缺陷类型等问题,提出了一种结合跨层特征融合和级联检测器的防震锤缺陷检测方法。方法本文使用无人机对防震锤部件巡检的航拍图像进行数据扩充建立防震锤缺陷检测数据集,并划分了4种缺陷类型,为研究提供了数据基础。首先,以VGG16(Visual Geometry Group 16-layer network)为基础对1、3、5层特征进行特征融合得到特征图,平衡了语义信息和空间特征;其次,使用3个级联检测器对目标进行分类定位,减小了交并比(intersection over union,IoU)阈值对网络性能的影响;最后,将非极大值抑制法替换为Soft-NMS(soft non-maximum suppression)算法,去除边界框保留了最佳结果。结果在自建数据集上验证网络模型对4种防震锤缺陷类型的检测效果,与现有基于深度学习的其他6种先进算法相比,本文算法的平均准确率比Fast R-CNN(fast region-based convolutional network)、Faster R-CNN、YOLOv4(you only look once version 4)分别提高了13.5%、3.4%、5.8%,比SSD300(single shot MultiBox detector 300)、YOLOv3、RetinaNet分别提高了9.5%、8.5%、8%。与Faster R-CNN相比,本文方法的误检率降低了5.61%,漏检率降低了3.01%。结论本文提出的防震锤缺陷检测方法对不同背景、不同光照、不同角度、不同尺度、不同种类和不同缺陷种类的防震锤均有较好的检测结果,不但可以更好地提取防震锤的特征,而且还能提高分类和位置预测网络的定位精度,从而有效提高了防震锤缺陷检测算法的准确率,在满足防震锤巡检工作实际检测要求的同时还具有较好的鲁棒性和有效性。
