输电线路巡检图像检测模型的加速与压缩研究

作者：赵航航; 江一; 林睿; 顾超越; 李喆

来源：广东电力, 2020, 33(09): 123-128.

DOI：10.3969/j.issn.1007-290X.2020.009.016

• 电力巡检
• 深度神经网络
• 区域卷积神经网络
• 融合
• 模型压缩
• 模型尺寸

为了降低基于深度学习识别算法的巨量计算复杂度和对设备性能的高要求,进一步提升电力图像识别系统的泛用性,提出一种加速与压缩算法,旨在保证精度的前提下,减小模型规模和计算量。首先选取实验场景为输电线路巡检图像检测,考虑精度和速率需求,目标检测算法选取为Faster区域卷积神经网络(regional convolutional neural networks,R-CNN);继而在原检测算法的基础上添加一批规范化层且与卷积层融合以减少运算量,对卷积层进行剪枝,并对全连接层采用奇异值分解以减少冗余。实验表明:所提算法可以有效地压缩模型尺寸,加速推理过程,减少测试模型约18%的计算量和80%的模型尺寸。

• 单位
  中国南方电网有限责任公司超高压输电公司广州局; 上海交通大学