深度学习框架下目标检测关键技术及应用研究

本书主要阐述了人工智能领域中深度学习涉及 的多种网络架构算法，详细阐述了YOLO系列和轻量 化模型的网络架构和工作原理以及进行的多方面改 进和提升。将改进后的网络模型在电力线路巡检及 典型设备的识别和检测、烟支空稀头检测和公共环 境中的吸烟检测等场景中进行实验和应用。

韩明，1984年生，男，工学博士，副教授，硕士生导师，河北工业大学博士后，研究方向为：模式识别与图像处理，物联网技术，人工智能。现任石家庄学院软件工程系主任，中国物联网大赛专家库专家，石家庄市科技局专家库专家。河北省青年拔尖人才，河北省“三三三人才工程”第三层次人选，河北省“冀青之星”，石家庄市青年拔尖人才，石家庄市五四年奖章提名奖，石家庄市高等学校“双师双能”骨干教师。

第1章 绪论 1.1 研究背景与意义 1.2 国内外研究现状 1.2.1 电力线提取研究现状 1.2.2 绝缘子识别研究现状 1.2.3 输电线路异物检测研究现状 1.2.4 烟支缺陷检测方法研究现状 1.3 目标检测算法的鲁棒性研究 1.4 主要研究内容 参考文献 第2章 基于深度学习的目标检测相关理论 2.1 卷积神经网络 2.1.1 神经网络 2.1.2 卷积神经网络原理 2.1.3 卷积神经网络的训练过程 2.2 目标检测算法 2.2.1 双阶段目标检测算法 2.2.2 单阶段目标检测算法 2.2.3 基于迁移学习的目标检测算法 2.3 目标检测性能评价指标 2.4 本章小结 参考文献 第3章 基于改进的Deeplabv3+网络的电力线提取研究 3.1 Deeplabv3+基础网络 3.1.1 编码器/解码器结构 3.1.2 Xception主干网络 3.1.3 深度可分离卷积 3.1.4 ASPP模块 3.2 改进的Deeplabv3+网络 3.2.1 改进的轻量化Mobilenetv2网络 3.2.2 改进ASPP模块 3.2.3 提出CASEB模块 3.2.4 引入CBAM 3.3 实验过程 3.3.1 数据集来源 3.3.2 数据增强 3.3.3 实验环境 3.3.4 评价指标 3.4 实验结果与分析 3.4.1 消融实验 3.4.2 模型训练稳定性实验 3.4.3 主流算法对比实验 3.5 本章小结 参考文献 第4章 基于改进的YOLOv7网络的绝缘子识别研究 4.1 YOLOv7基础网络 4.2 改进的YOLOv7网络 4.2.1 添加ECA模块 4.2.2 引入BiFPN模块 4.2.3 替换上采样算子