机床与液压

作者：周庆辉，葛馨远，孙峥，陈盛开，周煜

单位：广东电网有限责任公司广州白云供电局；广东电网有限责任公司广州白云供电局；广东电网有限责任公司广州白云供电局；广东电网有限责任公司广州白云供电局；广东电网有限责任公司广州白云供电局

关键词：小目标在线检测; 深度学习; 图像增强技术; 注意力机制

基金：南方电网公司科技项目（082300KK52210003）

小目标检测是计算机视觉领域的研究方向之一，旨在解决在图像或视频中检测和定位尺寸较小的目标的问题。由于小目标往往具有低分辨率、模糊、被遮挡等特点，传统的目标检测算法在处理小目标时存在挑战。对此，提出一种融合少样本学习与注意力端到端网络的小目标检测方法。该方法通过引入图像增强技术和注意力机制，对传统的端到端检测网络进行优化，以提高检测性能。通过数据增强方式，对原始数据进行扩充，增加数据的多样性和数量;引入注意力机制，提取图像中的关键信息，以提升检测结果的准确性;最后，在网络结构方面，将原有的特征金字塔网络(FPN)替换为加权双向特征金字塔网络(BiFPN)，以获取更丰富的图像特征。实验结果表明：通过图像增强和注意力机制，所提方法的精准率、召回率、平均精度均值和检测速度在训练尺度为640像素×640像素时分别为98.41%、99.54%、99.50%和28帧/s，相较于YOLOv5算法分别提升了2.91%、5.9%、1.93%和2帧/s，验证了该方法的有效性和可行性。

来源：2024年第17期

《机床与液压》期刊编辑部

查看机床与液压杂志2024年第17期