1 绪 论
1.1 课题背景及研究意义
1.2 目标检测的技术发展
1.2.1 传统目标检测技术发展
1.2.2 基于深度神经网络的目标检测技术发展
1.3 输电线路目标检测研究现状
1.3.1 传统目标检测方法研究现状
1.3.2 深度监督神经网络方法研究现状
1.4 Faster R-CNN算法概述
1.4.1 网络主干
1.4.2 区域提取RPN 网络
1.4.3 R-CNN 网络
1.4.4 损失函数
1.4.5 目标检测性能度量
1.4.6 Faster R-CNN 结构
1.5 本文的内容安排
1.5.1 本文的研究内容
1.5.2 本文的组织安排
2 有监督学习中标签数据集扩展
2.1 引言
2.2 标签数据集构建与分析
2.2.1 数据集构建
2.2.2 数据集分析
2.3 基于PCA扰动的数据集扩充
2.3.1 PCA扰动算法
2.3.2 PCA扰动效果展示
2.4 基于透视变换的数据集扩充
2.4.1 透视变换算法
2.4.2 透视变换效果展示
2.4.3 数据集标签对齐
2.5 本章小结
3 基于深度监督学习的对象特征表达
3.1 引言
3.2 基于网络深层特征表达的研究
3.2.1 FPN 网络结构
3.2.2 多层卷积特征融合网络
3.3 基于网络浅层特征表达的研究
3.3.1 残差块介绍
3.3.2 浅层残差投影
3.4 本章小结
4 输电线路关键目标检测与优化策略
4.1 引言
4.2 RPN网络特征提取优化
4.3 正负样本均衡策略
4.4 IoUC损失函数微调优化
4.4.1 IoU 损失函数
4.4.2 IoUC 损失函数
4.5 实现与训练细节
4.5.1 训练工作准备
4.5.2 实验归类部分
4.6 实验结果与分析
4.6.1 数据驱动的输电线关键目标检测实验
4.6.2 网络特征表达驱动的输电线关键目标检测实验
4.6.3 参数微调驱动的输电线关键目标检测实验
4.6.4 融合所有方法的输电线关键目标检测实验
4.7 本章小结
5 总结与展望
5.1 工作总结
5.2 研究展望
参考文献
附 录
A. 作者在攻读学位期间发表的论文目录
B. 作者在攻读学位期间取得的科研成果目录
C. 作者在攻读学位期间参加的科研项目
D. 学位论文数据集
致谢
重庆大学;