Indexed by：
Abstract：
针对更丰富卷积特征(RCF)算法检测电力线时存在边缘模糊、特征图包含太多噪声、在融合特征图时丢失多尺度信息等问题,对RCF算法进行改进.首先,使用具有平移不变性的下采样技术增强模型的鲁棒性;然后,在RCF主干网络中引入卷积块注意力模块(CBAM)机制,提高模型对电力线特征的表达能力;最后,在RCF的侧输出网络中加入级联网络,借助基于通道注意力机制的多尺度特征融合模块对特征图进行融合,从而获得更优异的细节保持效果.实验结果表明,改进模型的最优数据集规模、最佳图像比例和平均精度可分别提高0.7％、1.3％和1.7％,检测结果噪声数量少,电力线更加清晰准确.
Keyword：
Reprint 's Address：
Email：
Source ：
福州大学学报（自然科学版）
ISSN： 1000-2243
Year： 2024
Issue： 2
Volume： 52
Page： 168-175
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 1
Affiliated Colleges：
