计算机应用

作者：谌贵辉, 易欣, 李忠兵, 钱济人, 陈伍

单位：1. 西南石油大学 电气信息学院, 成都 610500;2. 浙江浙能天然气运行有限公司 科创中心, 杭州 310000

关键词：管道巡检,深度学习,航拍图像,小目标检测,数据增强,迁移学习

基金：南充市市校科技战略合作项目（18SXHZ0041）。

针对传统目标检测算法应用在无人机航拍图像上第三方施工目标检测和违章占压建筑检测的数据集少、检测率低等问题，提出基于Aerial-YOLOv2和迁移学习的航拍图像目标检测算法。首先，利用结合数据增强的迁移学习策略训练的网络来扩大数据集规模，并利用K均值聚类分析得到符合所提数据集特点的锚点框数量和尺寸；其次，通过自适应对比度增强的方法对图像进行预处理；最后，提出改进卷积模块替代YOLOv2中的卷积块并结合特征融合的多尺度预测方式进行目标检测。用不同的算法和训练策略在无人机航拍图像上进行对比实验，实验结果表明，Aerial-YOLOv2算法结合多种训练策略后，其准确率、召回率分别能达到95%、91%，每张图像检测时间为14 ms。由此可知，该算法适用于无人机航拍图像第三方施工目标及违章占压建筑的智能检测。

来源：2020年第4期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第4期