输配电线路危险目标互补注意力深度学习检测

Complementary attention deep learning detection of hazardous targets in transmission and distribution lines

鸟巢是造成输电线路相间短路的重要因素之一,在智能监测设备采集的图像中,鸟巢目标轮廓尺度跨度大、成像背景复杂多变,鸟巢目标的自动检测面临着很大的挑战。针对这种难题,提出了一种互补注意力深度学习检测模型(Complementation Attention Network Deep Learning Detector,CANDL-Detecor)。首先,设计了新颖的互补注意力网络模块,由通道注意力和空间注意力并联而成,充分利用通道特征和空间位置特征的互补优势,自适应地抑制背景噪声特征,同时突出鸟巢特征。接着,设计了互补注意力深度学习检测模型,融入了一阶段特征金字塔池化子网络,从而引导深度神经网络在突出目标特征的同时抑制复杂背景的干扰,提高了鸟巢多尺度特征的表示能力。实验结果和分析证实了提出方法的有效性,均值平均精度(MAP)达到88.2%,检测速度达到98fps。