原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
测控技术
·１０·２０２３４２１模式识别与人工智能
年第卷第期
基于ＹＯＬＯｖ５ｓ剪枝模型的输电线路全景监测研究
１１１１１２
闫彦辉，张楠，武建超，张国庆，唐锐，倪威
（１．国网新疆电力有限公司巴州供电公司，新疆库尔勒８４１０００；２．华北电力大学电气与电子工程学院，北京１０２２０６）
摘要随着人工智能技术的快速发展基于深度学习的目标检测算法在诸多行业得到了应用针对当前
：，。
输电线路影像中典型障碍物目标识别对人工要求较高的问题，提出了基于ＹＯＬＯｖ５模型剪枝的算法来
对输电线路附近典型目标进行检测。首先，算法进行基础训练后得到一个检测精度和推理速度两种性
能比较均衡的网络模型再进行稀疏训练以获得参数较为稀疏的神经网络模型最后采取不同剪枝策
，，，
略对网络进行修剪达到压缩模型大小提高推理速度的目的在自制数据集上使用多种算法进行对比
，。
，：、，
试验实验结果表明相较于ＹＯＬＯｖ４ＣｅｎｔｅｒＮｅｔ和ＳＳＤ算法所提算法在保持相对较高检测精度条件下
提高了检测速度，能够满足实际需要。
关键词：ＹＯＬＯｖ５；目标检测；稀疏训练；模型剪枝
中图分类号ＴＰ３９１文献标志码Ａ文章编号１０００－８８２９２０２３０１－００１０－０６
：：：（）
ｄｏｉ：１０．１９７０８／ｊ．ｃｋｊｓ．２０２３．０１．００２
ＰａｎｏｒａｍｉｃＭｏｎｉｔｏｒｉｎｇｏｆＴｒａｎｓｍｉｓｓｉｏｎＬｉｎｅＢａｓｅｄｏｎＹＯＬＯｖ５ｓＰｒｕｎｉｎｇＭｏｄｅｌ
１１１１１２
ＹＡＮＹａｎｈｕｉ牞ＺＨＡＮＧＮａｎ牞ＷＵＪｉａｎｃｈａｏ牞ＺＨＡＮＧＧｕｏｑｉｎｇ牞ＴＡＮＧＲｕｉ牞ＮＩＷｅｉ
牗１．ＢａｚｈｏｕＰｏｗｅｒＳｕｐｐｌｙＣｏｍｐａｎｙ牞ＳｔａｔｅＧｒｉｄＸｉｎｊｉａｎｇＥｌｅｃｔｒｉｃＰｏｗｅｒＣｏ．牞Ｌｔｄ．牞Ｋｏｒｌａ８４１０００牞Ｃｈｉｎａ牷
２．ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｉｃａｌａｎｄＥｌｅｃｔｒｏｎｉｃＥｎｇｉｎｅｅｒｉｎｇ牞ＮｏｒｔｈＣｈｉｎａＥｌｅｃｔｒｉｃＰｏｗｅｒＵｎｉｖｅｒｓｉｔｙ牞Ｂｅｉｊｉｎｇ１０２２０６牞Ｃｈｉｎａ牘
Ａｂｓｔｒａｃｔ牶Ｗｉｔｈｔｈｅｒａｐｉｄｄｅｖｅｌｏｐｍｅｎｔｏｆａｒｔｉｆｉｃｉａｌｉｎｔｅｌｌｉｇｅｎｃｅｔｅｃｈｎｏｌｏｇｙ牞ｔａｒｇｅｔｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎ
ｄｅｅｐｌｅａｒｎｉｎｇｈａｓｂｅｅｎａｐｐｌｉｅｄｉｎｍａｎｙｉｎｄｕｓｔｒｉｅｓ．Ａｉｍｉｎｇａｔｔｈｅｈｉｇｈｍａｎｕａｌｒｅｑｕｉｒｅｍｅｎｔｏｆｔｙｐｉｃａｌｏｂｓｔａｃｌｅ
ｔａｒｇｅｔｓｒｅｃｏｇｎｉｔｉｏｎｉｎｃｕｒｒｅｎｔｔｒａｎｓｍｉｓｓｉｏｎｌｉｎｅｉｍａｇｅｓ牞ａｐｒｕｎｉｎｇａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｔｈｅＹＯＬＯｖ５ｍｏｄｅｌｉｓｐｒｏ
ｐｏｓｅｄｔｏｄｅｔｅｃｔｔｙｐｉｃａｌ
您可能关注的文档
最近下载
我的文档主要集中的行业是石油化工和安全生产，从事石油化工行业并且取得了中级注册安全工程资格。精通炼油工艺方面的工艺、安全、设备。希望通过平台共享自己的知识和经验。
文档评论（0）