基于改进RCF和无人机影像的电力线检测OA北大核心CSTPCD
针对更丰富卷积特征(RCF)算法检测电力线时存在边缘模糊、特征图包含太多噪声、在融合特征图时丢失多尺度信息等问题,对RCF算法进行改进.首先,使用具有平移不变性的下采样技术增强模型的鲁棒性;然后,在RCF主干网络中引入卷积块注意力模块(CBAM)机制,提高模型对电力线特征的表达能力;最后,在RCF的侧输出网络中加入级联网络,借助基于通道注意力机制的多尺度特征融合模块对特征图进行融合,从而获得更优异的细节保持效果.实验结果表明,改进模型的最优数据集…查看全部>>
郭家;江洪;张雍
福州大学空间数据挖掘与信息共享教育部重点实验室,卫星空间信息技术综合应用国家地方联合工程研究中心,数字中国研究院(福建),福建福州350108福州大学空间数据挖掘与信息共享教育部重点实验室,卫星空间信息技术综合应用国家地方联合工程研究中心,数字中国研究院(福建),福建福州350108福州大学空间数据挖掘与信息共享教育部重点实验室,卫星空间信息技术综合应用国家地方联合工程研究中心,数字中国研究院(福建),福建福州350108
测绘与仪器
电力线边缘检测更丰富卷积特征(RCF)无人机注意力机制多尺度融合
《福州大学学报(自然科学版)》 2024 (2)
P.168-175,8
福建省科技计划引导性资助项目(2021Y0005)。
评论