《表4 不同检测模型的检测性能比较》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于动态焦点损失函数和样本平衡方法的绝缘子缺陷检测方法》
本文Faster R-CNN模型(DFL+SBSOM+Faster R-CNN)、通用检测模型(YOLOv3、SSD)、两阶段检测模型(FPN、R-FCN),以及采用DFL函数和OHEM的Faster R-CNN模型(DFL+OHEM+Faster R-CNN)的检测结果对比见表4。从表4可以看出:使用DFL函数和SBSOM进行模型训练后,Faster R-CNN模型对测试集的检测m AP值可达到52.69%,远高于其他通用检测模型,且比进行参数微调后的Faster R-CNN模型的m AP值高出10.12%;绝缘子掉串缺陷、绝缘子破损缺陷、绝缘子脏污缺陷的检测AP值分别提高了0.79%、9.7%、19.87%,对困难样本的学习能力显著增强;本文提出的DFL与SBSOM共同使用的方法检测性能提升更高,其中结合DFL函数和SBSOM的Faster R-CNN模型性能提升最显著,其m AP值比单独使用DFL函数的Faster R-CNN模型的m AP值高8.03%,比结合DFL函数和OHEM的Faster R-CNN模型的m AP值高4.56%,这是由于SBSOM既可以根据类别损失进行样本平衡,又可以根据边界框损失进行样本平衡,而且以损失标准差作为简单样本和困难样本的判别界限更加合理。
图表编号 | XD00220077500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.10 |
作者 | 赵振兵、李延旭、戚银城、孔英会、聂礼强 |
绘制单位 | 华北电力大学电气与电子工程学院、华北电力大学电气与电子工程学院、华北电力大学电气与电子工程学院、华北电力大学电气与电子工程学院、山东大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |