基于改进Faster R-CNN的小目标电缆线号定位模型

针对目前小目标电缆线号难以准确定位的问题,提出了基于深度学习的在不同干扰下能准确定位小目标线号的算法。由于电缆应用场景存在有噪声、粉尘、光照变化等方面的恶劣条件,不利于线号区域的定位,而且小目标线号对定位精度要求较高,因此基于Faster R-CNN模型进行改进,主干网络使用ResNet-50并对其进行优化,利用特征金字塔和多头自注意力机制,提升网络性能,提高小目标线号的检测精度与模型鲁棒性。实验结果表明,提出的电缆线号定位模型算法相比优化之前准确率提升了3.9%,定位准确率高达99.2%,能有效提高小目标线号的定位准确率。