基于注意力机制的多尺度仪表检测

摘要：

为实现复杂场景下多尺度仪表检测,提出了一种基于注意力机制的视频多尺度仪表检测算法.首先,利用基于空间注意力机制的特征提取网络,建模特征的长距离依赖,增强特征的表达能力;其次,提出了一种自适应特征选择模块(adaptive feature selection module,AFSM),对不同阶段的特征图进行权重调整,增强网络对多尺度目标的检测能力.在自建的仪表数据集上进行了实验.实验结果表明,相比较原来的Faster RCNN方法,所提出方法的检测精度提高了7.6％;与对比方法相比,检测精度也能达到95.4％.在对实际仪表监测视频的测试中,检测结果以及速度能够满足实际需要.所提方法通过改进特征提取网络和特征选择操作,增强了特征表达能力,有效降低了虚警,提升了网络对多尺度目标的检测性能.

关键词：仪表检测;深度学习;注意力机制;自适应特征选择模块

所属期刊栏目：21

分类号：TP391.41(计算技术、计算机技术)

资助基金：国网内蒙古东部电力有限公司科技项目SGMDXA00YWJS1800220

在线出版日期：2021-12-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：13430-13438