摘要
针对红外热图像的纹理不清晰、对比度低和背景复杂的特点,本文提出了一种基于YOLOv4-tiny的轻量级电力设备红外目标检测网络。采用CIoU损失函数并结合标签平滑策略,对网络模型进行训练,以抑制网络训练过程中的过拟合问题,提升网络的泛化能力。实验结果表明,该算法在七类电力设备红外图像数据集上进行训练测试,检测精度达到90.12%,实时检测速度达到50FPS(on Tesla T4 GPU),相比于原YOLOv4-tiny,在检测速度上有较小的牺牲,但是检测精度有所提升,且明显高于现在的主流模型YOLOv3-tiny和YOLOv4,满足了复杂场景下电力设备检测任务的精度与实时性要求。
出处
《中国科技信息》
2022年第14期111-114,共4页
China Science and Technology Information
基金
国网湖南省电力公司科技项目(5216A520000U)。
