输电杆塔弱纹理部件的可迁移式检测

输电杆塔关键弱纹理部件的通用检测方法依赖大量样本的标注和学习.在无相关部件样本训练情况下,本文提出一种可迁移的输电杆塔弱纹理部件检测方法.本文方法结合了孪生神经网络和互相关卷积用于融合样本块与待搜索区域的特征,其中通过样本部件掩膜裁剪以有效滤除背景噪声,最后在尺度、位置、交并比3个方面提出了对应的分数修正策略以提高检测精度.实验结果表明,本文提出的掩膜裁剪和分数修正策略有效提高了弱纹理部件的检出精度,按照AP50的标准,本文检测方法的平均准确率达到了 98.0％,能有效避免由于观测视角、尺度以及光照带来的干扰.