論文の概要: Improved YOLOv7x-Based Defect Detection Algorithm for Power Equipment

• arxiv url: http://arxiv.org/abs/2502.17961v1
• Date: Tue, 25 Feb 2025 08:36:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-26 15:22:17.702569
• Title: Improved YOLOv7x-Based Defect Detection Algorithm for Power Equipment
• Title（参考訳）: 電力機器のYOLOv7xによる欠陥検出アルゴリズムの改良
• Authors: Jin Hou, Hao Tang,
• Abstract要約: 本稿では,電力機器のYOLOv7xに基づく異常検出アルゴリズムを提案する。 ACmix畳み込み混合注目機構モジュールを導入し、背景雑音や無関係な特徴を効果的に抑制する。 Biformerのアテンションメカニズムがネットワークに追加され、キー機能へのフォーカスが強化され、特徴画像を柔軟に認識するネットワークの能力が向上する。
• 参考スコア（独自算出の注目度）: 7.987518834453937
• License:
• Abstract: The normal operation of power equipment plays a critical role in the power system, making anomaly detection for power equipment highly significant. This paper proposes an improved YOLOv7x-based anomaly detection algorithm for power equipment. First, the ACmix convolutional mixed attention mechanism module is introduced to effectively suppress background noise and irrelevant features, thereby enhancing the network's feature extraction capability. Second, the Biformer attention mechanism is added to the network to strengthen the focus on key features, improving the network's ability to flexibly recognize feature images. Finally, to more comprehensively evaluate the relationship between predicted and ground truth bounding boxes, the original loss function is replaced with the MPDIoU function, addressing the issue of mismatched predicted bounding boxes. The improved algorithm enhances detection accuracy, achieving a mAP@0.5/% of 93.5% for all target categories, a precision of 97.1%, and a recall of 97%.
• Abstract（参考訳）: 電力機器の正常な運転は、電力系統において重要な役割を担い、電力機器の異常検出を極めて重要なものにしている。 本稿では,電力機器のYOLOv7xに基づく異常検出アルゴリズムを提案する。 まず、ACmix畳み込み混合注目機構モジュールを導入し、背景雑音や無関係な特徴を効果的に抑制し、ネットワークの特徴抽出能力を向上する。 第二に、Biformerのアテンションメカニズムがネットワークに追加され、キー機能へのフォーカスが強化され、特徴画像を柔軟に認識するネットワークの能力が向上する。 最後に、予測真理有界箱と基底真理有界箱の関係をより包括的に評価するために、元の損失関数をMPDIoU関数に置き換え、不一致予測有界箱の問題に対処する。 改良されたアルゴリズムは検出精度を高め、すべての対象カテゴリに対してmAP@0.5/%の93.5%、精度97.1%、リコール97%を達成する。

関連論文リスト

• Improved YOLOv5s model for key components detection of power transmission lines [23.73288455723377]
  本稿では, YOLOv5s(You Only Look Once Version 5 Small)モデルに基づくオブジェクト検出モデルを提案する。 改善手法のmAP(平均精度)は98.1%,精度は97.5%,リコールは94.4%,検出速度は84.8FPS(毎秒フレーム)に達した。
  論文  参考訳（メタデータ） (2025-02-10T03:29:34Z)
• Research on vehicle detection based on improved YOLOv8 network [0.0]
  本稿では,改良型YOLOv8車両検出手法を提案する。 改良されたモデルは98.3%、89.1%、そして88.4%の精度で車、人、オートバイを検出できる。
  論文  参考訳（メタデータ） (2024-12-31T06:19:26Z)
• Wavelet-based Bi-dimensional Aggregation Network for SAR Image Change Detection [53.842568573251214]
  3つのSARデータセットによる実験結果から、我々のWBANetは現代最先端の手法を著しく上回っていることが明らかとなった。 我々のWBANetは、それぞれのデータセットで98.33%、96.65%、96.62%の正確な分類(PCC)を達成している。
  論文  参考訳（メタデータ） (2024-07-18T04:36:10Z)
• YOLO algorithm with hybrid attention feature pyramid network for solder joint defect detection [7.532914828624349]
  ハンダジョイント欠陥の従来の手動検出は、工業生産においてもはや適用されない。 低い精度、高い偽検出率、計算コストの問題に対処する新しい手法が提案されている。
  論文  参考訳（メタデータ） (2024-01-02T14:04:42Z)
• Lightweight wood panel defect detection method incorporating attention mechanism and feature fusion network [9.775181958901326]
  本稿では,注目機構と特徴融合ネットワークを組み込んだYOLOv5-LWという軽量な木材パネル欠陥検出手法を提案する。 提案手法は92.8%の精度でパラメータ数を27.78%削減し,計算量を41.25%圧縮し,検出速度を10.16%向上させる。
  論文  参考訳（メタデータ） (2023-06-21T08:55:45Z)
• Light-YOLOv5: A Lightweight Algorithm for Improved YOLOv5 in Complex Fire Scenarios [8.721557548002737]
  本稿では,高速かつ精度のバランスをとる軽量なライトヨロブ5火災検知アルゴリズムを提案する。 実験の結果、Light-YOLOv5は元のアルゴリズムに比べてmAPを3.3%改善し、パラメータ数を27.1%減らし、計算量を19.1%減らし、FPSは91.1に達した。
  論文  参考訳（メタデータ） (2022-08-29T08:36:04Z)
• Federated Learning for Energy-limited Wireless Networks: A Partial Model Aggregation Approach [79.59560136273917]
  デバイス間の限られた通信資源、帯域幅とエネルギー、およびデータ不均一性は、連邦学習(FL)の主要なボトルネックである まず、部分モデルアグリゲーション(PMA)を用いた新しいFLフレームワークを考案する。 提案されたPMA-FLは、2つの典型的な異種データセットにおいて2.72%と11.6%の精度を改善する。
  論文  参考訳（メタデータ） (2022-04-20T19:09:52Z)
• Coverage and Capacity Optimization in STAR-RISs Assisted Networks: A Machine Learning Approach [102.00221938474344]
  再構成可能なインテリジェントサーフェス (STAR-RIS) アシストネットワークを同時に送信および反射するカバレッジとキャパシティ最適化のための新しいモデルを提案する。 損失関数ベースの更新戦略はコアポイントであり、各更新時にmin-normソルバによってカバレッジとキャパシティの両方の損失関数の重みを計算することができる。 解析結果から,提案手法は固定重みに基づくMOアルゴリズムよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2022-04-13T13:52:22Z)
• Stability Analysis of Unfolded WMMSE for Power Allocation [80.71751088398209]
  電力割り当ては、無線ネットワークにおける基本的な問題の1つである。 これらのアルゴリズムの出力電力配分は入力摂動に関して安定であることが不可欠である。 本稿では,グラフニューラルネットワークを利用した最新のアルゴリズムであるUWMMSEに着目した。
  論文  参考訳（メタデータ） (2021-10-14T15:44:19Z)
• Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
  本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。 実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-08-05T19:29:35Z)
• BiDet: An Efficient Binarized Object Detector [96.19708396510894]
  本稿では,効率的な物体検出のためのバイナライズニューラルネットワークのBiDetを提案する。 我々のBiDetは、冗長除去による物体検出にバイナリニューラルネットワークの表現能力を完全に活用している。 我々の手法は、最先端のバイナリニューラルネットワークを大きなマージンで上回る。
  論文  参考訳（メタデータ） (2020-03-09T08:16:16Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。