文献

J-GLOBAL ID：202002255948605257   整理番号：20A2690275

改良YOLOv3に基づく小サイズ伝送線路欠陥の自動検出法【JST・京大機械翻訳】

Automatic Detection Method for Small Size Transmission Lines Defect Based on Improved YOLOv3

著者 (6件)： Shouguo Lv (State Gird Shandong Maintenance Company,Jinan,China) ,  Kai Liu (State Grid Intelligent Technology Co., Ltd,Jinan,China) ,  Yaohua Qiao (State Gird Shandong Maintenance Company,Jinan,China) ,  Yunqi Li (Chongqing University,CQU-UC Joint CO-OP Institute,Chongqing,China) ,  Yang Sun (State Gird Shandong Maintenance Company,Jinan,China) ,  Zhenyu Li (State Grid Intelligent Technology Co., Ltd,Jinan,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CISCE  ページ： 78-81  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 機械学習に基づく欠陥検出法は,送電線ルーチン検査プロセスを非常に加速する。本論文では,改良YOLOv3に基づく自動欠陥検出法を提案した。ランダム特徴ピラミッド(RFP)構造を高識別特徴マップ構築のために導入した。容易とハードの例の間の識別に焦点を合わせる焦点損失関数を用いて,クラス不均衡問題に対処した。実験結果は,提案した方式が最先端の深層学習オブジェクト検出法と比較して競合性能を得ることを実証した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 損失関数 ,  送電線 ,  故障検出 ,  *伝送線路 ,  角錐 ,  機械学習
準シソーラス用語： 自動検出 ,  物体検出 ,  特徴マップ ,  深層学習 ,  クラス不均衡 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 小サイズ ,  伝送線路 ,  欠陥 ,  自動検出