文档名：基于改进的Yolo v4绝缘子目标识别算法研究
摘要：针对传统卷积神经网络模块体积庞大、运算量高,在体积较小、资源有限的嵌入式平台上运行效果不好,以及现有轻量化模块无法满足测量速度和测试精确度要求的问题,为此选择目前的主流目标识别算法Yolov4进行模型轻量化,在Yolov4模型中引入Mobilenet网络和深度可分离模块进行研究.研究结果表明,改进后不同Mobilenet网络的Yolov4模型检测一张图片的用时均比原始Yolov4模型减少19ms以上,准确率都高于92％.其中以Mobilenetv3为主干特征提取网络的改进Yolov4模型的准确率为95.12％,与原始Yolov4模型准确率相比提高2.99％,但该模型的参数量约为Yolov4模型的1/6,模型处理一张巡检图片用时比原Yolov4模型减少20ms.绝缘子作为输电线路的重要组成部分,在众多图像中更快地识别出绝缘子能为之后分析输电线路的运行情况提供帮助.
作者：许爱华 陈佳韵 张明文 刘浏Author：XUAihua CHENJiayun ZHANGMingwen LIULiu
作者单位：东北石油大学电气信息工程学院,黑龙江大庆163318
刊名：吉林大学学报（信息科学版） ISTIC
Journal：JournalofJilinUniversity(InformationScienceEdition)
年，卷(期)：2023, 41(3)
分类号：TP391TM216
关键词：绝缘子 Yolov4模型 深度可分离卷积块 Mobilenet网络
Keywords：insulator Yolov4model deepseparableconvolutionblock mobilenetnetworks
机标分类号：
在线出版日期：2023年7月26日
基金项目：国家自然科学基金，黑龙江省自然基金资助项目基于改进的Yolov4绝缘子目标识别算法研究[
期刊论文] 吉林大学学报（信息科学版）--2023, 41(3)许爱华 陈佳韵 张明文 刘浏针对传统卷积神经网络模块体积庞大、运算量高,在体积较小、资源有限的嵌入式平台上运行效果不好,以及现有轻量化模块无法满足测量速度和测试精确度要求的问题,为此选择目前的主流目标识别算法Yolov4进行模型轻量化,在Yo...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于改进的Yolo v4绝缘子目标识别算法研究 Research on Insulator Detection Algorithm Based on Improved Yolo v4
基于改进的Yolo v4绝缘子目标识别算法研究.pdf
- 文件大小:
- 1.7 MB
- 下载次数:
- 60
-
高速下载
|
|
