论文部分内容阅读
输电线路航拍巡检图像中典型金具的高准确率检测是其状态检测和故障诊断的基础。针对金具与金具之间、金具与背景之间相互干扰导致模型出现的目标检测得分很高但检测框位置存在极大误差的问题,提出了一种结合KL(Kullback-Leibler)散度和形状约束的Faster R-CNN(faster region-based convolutional neural netwoks)典型金具检测方法,在Faster R-CNN检测模型框架的基础上,增加对目标边界框分布的预测,同时使用KL散度度量金具坐标预测分布与