科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于深度学习的电力场景明火识别研究尚存在两个问题：一是相比于通用物体的清晰边界，火焰的边界具有很强的模糊性；二是基于深度学习的方法需要大量有标签的数据进行训练，但是目前严重缺乏电力场景下大规模的明火检测数据。针对第一个问题，通过对传统YOLOv5检测器进行改进，基于高斯建模捕获边框的不确定性；针对第二个问题，提出一种基于迁移学习的两阶段训练方法，只需要少量电力场景明火图片即可实现高精度的电力场景明火检测器训练。为了验证所提方法的有效性，利用网络公开数据及自有数据进行对比实验，结果表明所提出的方法具有很强的适用性。
-
单位广东电网有限责任公司; 浙江大学; 广州供电局
