基于共有特征评分的解耦知识蒸馏输电线路金具检测方法

摘要

输电线路金具航拍图像具有目标占比小和背景过于复杂的特点,为了将对金具目标检测性能优越的教师网络性能迁移到学生网络,提出了一种基于共有特征评分的解耦知识蒸馏输电线路金具检测方法。首先,根据Ground-truth框将图像特征解耦为前景和背景区域,在前景区域对教师模型特征金字塔中每一层特征信息分类评分,聚合所有类别分类分数作为共有特征蒸馏掩码。其次,为了保证整幅图像的完整性,采用GcBlock模块捕获金具目标与背景、其他金具之间的关系,以此将教师模型生成的图像特征知识完整地迁移到学生网络。最后,通过自建金具图像检测数据集验证该文提出方法的有效性,实验结果表明:将该文方法应用于双阶段、单阶段模型均可大幅提升参数量小的网络检测性能,Faster R-CNN、RetinaNet的学生网络交并比阈值为0.5的平均精度(mAP_50)分别提升了25.9%、31.4%,有的甚至超过教师网络检测精度;针对防震锤、调整板、重锤目标,Cascade R-CNN模型中学生网络的平均精度显著提升。该文研究方法实现了对金具目标的高效检测,达到了检测性能与资源消耗的平衡。