论文部分内容阅读
针对传统深度学习算法FP-Faster R-CNN在特征提取方面难,进而影响了小目标设备的检测问题,在结合Faster R-CNN算法原理的基础上,通过嵌入压缩激励结构和密集连接结构,以改进卷积神经网络的主干结构;然后将模型中的Ro I Pooling池化方式调整成Ro IAlign池化方式,以此完成对传统FP-Faster R-CNN的改进。最后通过实验对上述改进方案进行测试,结果表明无论是在电力设备识别率,还是在小目标电力设备的精度方面,本改进算法都有较强的优势。