论文部分内容阅读
随着我国输电网络的不断发展,采用人工巡线对电力线路进行检修这项工作越来越繁重,所以采用无人机影像,利用无人机对电力线路进行巡检越来越广泛。为了避免人工对电力走廊影像地物分类造成的资源浪费,利用深度学习对无人机采集的大量数据进行快速而精确的分类成为当下研究的热点。以深圳输电线路走廊无人机影像数据为研究对象,研究滑动窗口步长以及数据增广对SegNet网络地表分类方法的精度的影响,从而提升电力走廊中小样本地物类型的精度。研究结果表明,两种方法都是可行的,并且分别能提高整体精度5.06%和3.74%。