深度检查：通过深度神经网络进行配电杆零件研究

作者：Liangchen Liu,Teng Zhang,Kun Zhao,Arnold Wiliem,Kieren Astin-Walmsley,Brian Lovell

摘要：配电杆是电力供应的重要资产。这些电线杆需要保持良好状态，以确保它们保护社区安全，保持供电可靠性并履行立法义务。但是，维护如此大量的资产是一项昂贵且具有挑战性的任务。为了解决这个问题，最近的方法利用从直升机和/或无人机检查中捕获的图像数据。在降低手动检查成本的同时，仍然需要对每个图像进行手动分析。因此，已经提出了几种基于图像的自动检查系统。在本文中，我们针对两个主要挑战：微小物体检测和极不平衡的数据集，这些目前阻碍了自动检测的广泛部署。我们提出了一种新颖的两阶段放大检测方法，以逐渐关注感兴趣的对象。为了解决不平衡数据集问题，我们提出了重采样和重新加权方案，以迭代地使模型适应大类的大类内变化，并平衡对每个类的损失的贡献。最后，我们将这些组件集成在一起，并设计出一种新颖的自动检测框架。大量实验表明，与基线方法相比，我们提出的方法是有效的并且可以提高性能。

原文标题：Deep inspection: an electrical distribution pole parts study via deep neural networks

原文链接：https://arxiv.org/abs/1907.06844