多尺度特征融合增强检测模型MFFE-YOLO

• Published in: 辽宁工程技术大学学报（自然科学版） Vol. 43; no. 5; pp. 625 - 632
• Main Authors: 彭继慎, 马龙泽, 孙梦宇, 刘金龙
• Format: Journal Article
• Language: Chinese
• Published: 辽宁工程技术大学 电气与控制工程学院,辽宁 葫芦岛 125105%辽宁工程技术大学 软件学院,辽宁 葫芦岛 125105 01.10.2024
• Subjects: YOLO; multiscale feature; power inspection; power equipment defects; 多尺度特征; 特征融合增强; 电力设备缺陷; feature fusion enhancement; 小目标检测; 电力巡检; small target detection

TP391.4; 为解决传统巡检图像检测方法对电力设备小目标缺陷检测能力弱、错检和漏检率高、浅层网络语义信息不足等问题,提出针对电力设备小目标缺陷的多尺度特征融合增强检测模型(multi-scale feature fusion enhanced you only look once,MFFE-YOLO).该方法设计了一种多尺度特征融合增强机制(multi-scale feature fusion enhancement,MFFE),能够更全面地捕捉目标特征.研究表明:在C2f-EF模块中嵌入跨空间学习多尺度注意力机制EMA以及FasterNet Block,能够优化模型的运行效率;MFFE-...