基于改进自注意力机制的高分辨率电力设备识别
计算机视觉与模式识别
2023-12-08 v2
摘要
当前变电站巡检自动化趋势引发了变压器图像识别领域的浓厚兴趣。然而，由于现有模型参数数量的限制，高分辨率图像无法直接应用，识别精度仍有较大提升空间。针对这一挑战，本文提出了一种专为该问题设计的深度自注意力网络的改进方法。所提模型包含四个关键部分：基础网络、区域提议网络、目标区域提取与分割模块以及最终预测网络。本文的创新方法通过将部件定位与识别过程解耦而独具特色，先使用低分辨率图像进行定位，再使用高分辨率图像进行识别。此外，深度自注意力网络的预测机制独特地融入了图像的语义上下文，从而显著提升了识别性能。对比实验验证该方法优于另外两种主流目标识别模型，为电力设备巡检自动化提供了突破性视角。
引用
@article{arxiv.2311.03518,
title = {High-resolution power equipment recognition based on improved self-attention},
author = {Siyi Zhang and Cheng Liu and Xiang Li and Xin Zhai and Zhen Wei and Sizhe Li and Xun Ma},
journal= {arXiv preprint arXiv:2311.03518},
year = {2023}
}