《表3 不同神经网络模型下的变电站缺陷检测m AP》
为进一步验证本文算法的有效性,本文对比主流的目标检测算法,主要包括单阶段目标检测算法YO-LO、SSD,双阶段目标检测算法RCNN、Fast-RCNN、Faster-RCNN以及对小目标检测效果较好的特征金字塔网络FPN,考虑到实时性及计算量,主干网络均采用Res Net-50。从表3可以看出,由于本文算法融合了注意力机制的思想,通过综合不同注意力下的缺陷特征,使得特性表达更丰富,相比其他算法在变电设备缺陷图像检测的精度分别提高了4.3个百分点、4.1个百分点、4.4个百分点、4.0个百分点、0.9个百分点和0.3个百分点。通过实验进一步验证了本文提出的变电设备缺陷图像检测方法的有效性。
图表编号 | XD00203359000 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.01 |
作者 | 伍艺佳、华雄、王丽蓉、陈红波 |
绘制单位 | 国网湖南省电力有限公司检修公司、安徽南瑞继远电网技术有限公司、国网湖南省电力有限公司检修公司、中国科学院合肥物质科学研究院智能机械研究所 |
更多格式 | 高清、无水印(增值服务) |