摘要
针对变电站复杂环境中作业人员操作检测网络参数量过大、作业人员部分特征不明显等问题,提出了一种基于L-ConvNeXt网络的变电站人员检测方法。首先,网络的主干特征提取部分由轻量化ConvNeXt模块搭建而成,保证网络特征提取能力同时使主干部分保持较低的参数量;其次,选择transformer prediction head(TPH)作为网络末端检测头,加强网络对低分辨率特征的检测;最后,引用varifocal loss作为目标损失函数中的分类损失和置信度损失,进一步增加网络对正样本的损失权重。在天池公共数据集上的实验结果表明所提出的网络模型达到了较好的检测效果,其平均检测精度达到89.6%,模型参数量为13.2×106,能够有效地检测变电站人员的作业情况,满足变电站复杂场景下的检测需求。
-
单位湖北工业大学; 电子工程学院