来源：期刊VIP网 时间：
作者：董贇;梁仲峰;孟椿智;陈剑皓;艾徐华;李自品;
单位：广西电网有限责任公司信息中心;武汉大学电气与自动化学院;
摘要：提出了一种多阶段小目标检测方法。首先，利用轻量级目标检测网络YOLOX-m对待检目标进行快速检测，获取含有小目标的中间图像；然后，利用改进SRCNN(super-resolution convolutional neural network)超分重建算法对中间图像进行超分预处理操作，获取含有小目标的高分辨率图像；最后，构建基于深度可分离卷积核和通道注意力机制的轻量化小目标检测网络（small object network,SO-Net），并在模型训练过程中引入先验框聚类机制，以提高小目标检测精度。对电力通信机房巡检目标的测试结果表明，该改进SRCNN+SO-Net多阶段目标检测方法能提高小目标图像分辨率，平均检测精度均值、检测速度分别为91.72%、18.7帧/s，明显优于其他小目标检测方法。该方法为提高图像背景复杂条件下小目标检测精度和速度提供了一种新的技术手段和研究思路。
关键词：电力通信机房巡检;;多阶段;;超分辨率重建;;多小目标检测;;注意力机制;;K-means++
基金资助：广西电网有限责任公司科技项目(编号：046100KK52200002)
