首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >深度检查:通过深度神经网络进行配电杆零件研究

深度检查:通过深度神经网络进行配电杆零件研究

原创
作者头像
空白的小飞机
发布2019-07-17 16:01:39
3860
发布2019-07-17 16:01:39
举报

作者:Liangchen Liu,Teng Zhang,Kun Zhao,Arnold Wiliem,Kieren Astin-Walmsley,Brian Lovell

摘要:配电杆是电力供应的重要资产。这些电线杆需要保持良好状态,以确保它们保护社区安全,保持供电可靠性并履行立法义务。但是,维护如此大量的资产是一项昂贵且具有挑战性的任务。为了解决这个问题,最近的方法利用从直升机和/或无人机检查中捕获的图像数据。在降低手动检查成本的同时,仍然需要对每个图像进行手动分析。因此,已经提出了几种基于图像的自动检查系统。在本文中,我们针对两个主要挑战:微小物体检测和极不平衡的数据集,这些目前阻碍了自动检测的广泛部署。我们提出了一种新颖的两阶段放大检测方法,以逐渐关注感兴趣的对象。为了解决不平衡数据集问题,我们提出了重采样和重新加权方案,以迭代地使模型适应大类的大类内变化,并平衡对每个类的损失的贡献。最后,我们将这些组件集成在一起,并设计出一种新颖的自动检测框架。大量实验表明,与基线方法相比,我们提出的方法是有效的并且可以提高性能。

原文标题:Deep inspection: an electrical distribution pole parts study via deep neural networks

原文链接:https://arxiv.org/abs/1907.06844

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档