两级上下文卷积网络宽视场图像小目标检测方法附视频

被引：3

作者：

王海涛 ^{[1
,2
]}

姜文东 ^{[3
]}

程远 ^{[1
,2
]}

严碧武 ^{[1
,2
]}

张宗峰 ^{[4
]}

李涛 ^{[1
,2
]}

张森海 ^{[5
]}

机构：

[1] 国网电力科学研究院武汉南瑞有限责任公司

[2] 南瑞集团有限公司

[3] 国网浙江省电力有限公司

[4] 国网山东省电力公司日照供电公司

[5] 国网浙江省电力有限公司嘉兴供电公司

来源：

计算机测量与控制 | 2019年 / 06期

关键词：

小目标检测; 无人机图像; 输电线路巡检;

D O I：

10.16526/j.cnki.11-4762/tp.2019.06.043

中图分类号：

TP391.41 []; TP183 [人工神经网络与计算]; TM75 [线路及杆塔];

学科分类号：

080203 ;

摘要：

目标检测和识别已经在输电线路巡检中被广泛采用;然而由于宽视场图像数据量大,小目标相对宽视场较小,分辨率低,现有的图像金字塔、特征金字塔和多异构特征融合等方法虽能准确地检测大目标,但小目标的检测精度低,处理非常耗时,因而快速、准确地检测宽视场图像中小目标仍是一个挑战;提出一个两个Faster-RCNs级联的上下文宽视场小目标检测卷积网络,首先,针对降分辨率的宽视场图像,利用一个Faster R-CNN来检测目标的上下文区域,然后,针对上下文区域对应的高分辨率原始图像,利用Faster R-CNN来检测来小目标;用航拍输电线路图像数据集进行了多尺度目标的检测试验,试验结果表明,文章提出的目标检测方法达到了88%的检测精度,检测精度明显优于单级Faster R-CNN检测方法。

引用

页码：199 / 204

页数：6

共 31 条

[1] Microsoft COCO:common objects in context. Lin T Y,et al. European Conference on Computer Vision(ECCV) . 2014
[2] Over feat:integrated recognition,localization and detection using convolutional networks. Sermanet,Pierre,et al. International Conference on Learning Representations(ICLR) . 2014
[3] Example-based super-resolution. Freeman WT,Jones TR,Pasztor EC. IEEE Computer Graphics and Applications . 2002
[4] Edge-region-based Segmentation of Range Images. Wani M A,Batchelor B G. IEEE Transactions on Pattern Analysis and Machine Intelligence . 1994
[5] An Adaptive Threshold Segmentation Algorithm for Gesture Segmentation[J] . L.P. Song,Rong Lu Sun. &nbspApplied Mechanics and Materials . 2014 (513)
[6] The Pascal Visual Object Classes (VOC) Challenge
Everingham, Mark
Van Gool, Luc
Williams, Christopher K. I.
Winn, John
Zisserman, Andrew
[J]. INTERNATIONAL JOURNAL OF COMPUTER VISION, 2010, 88 (02) : 303 - 338
[7] Deep multi-scale video prediction beyond mean square error. Mathieu M,Couprie C,Lecun Y. International Conference on Learning Representations(ICLR) . 2015
[8] Generative adversarial nets. Goodfellow,Ian J,et al. International conference on neural information processing systems(NIPS) . 2014
[9] Joint 3Dproposal generation and object detection from view aggregation. Ku,Jason,et al. . 2017
[10] You only look once:unified,real-time object detection. Redmon J,et al. IEEE International Conference on Computer Vision and Pattern Recognition(CVPR) . 2016

← 1 2 3 4 →