长春理工大学学报（自然科学版）JournalofChangchunUniversityofScienceandTechnology（NaturalScienceEdition）Vol.46No.1Feb.2023第46卷第1期2023年2月收稿日期：2022-03-16基金项目：吉林省科技厅基础研究项目（202002044JC）作者简介：韩境和（1996-），男，硕士研究生，E-mail：2978823454@qq.com通讯作者：于正林（1971-），男，博士，教授，E-mail：1043719379@qq.com.基于改进FasterR-CNN的小目标电缆线号定位模型韩境和，于正林（长春理工大学机电工程学院，长春130022）摘要：针对目前小目标电缆线号难以准确定位的问题，提出了基于深度学习的在不同干扰下能准确定位小目标线号的算法。由于电缆应用场景存在有噪声、粉尘、光照变化等方面的恶劣条件，不利于线号区域的定位，而且小目标线号对定位精度要求较高，因此基于FasterR-CNN模型进行改进，主干网络使用ResNet-50并对其进行优化，利用特征金字塔和多头自注意力机制，提升网络性能，提高小目标线号的检测精度与模型鲁棒性。实验结果表明，提出的电缆线号定位模型算法相比优化之前准确率提升了3.9％，定位准确率高达99.2％，能有效提高小目标线号的定位准确率。关键词：小目标线号定位；深度学习；特征金字塔；FasterR-CNN；ResNet-50中图分类号：TP391文献标志码：A文章编号：1672-9870（2023）01-0065-08ASmallTargetCableNumberLocalizationModelBasedonImprovedFasterR-CNNHANJinghe，YUZhenglin（SchoolofMechatronicEngineering，ChangchunUniversityofScienceandTechnology，Changchun130022）Abstract：Forthecurrentproblemthatsmalltargetcablelinenumbersaredifficulttolocateaccurately，analgorithmbasedondeeplearningthatcanaccuratelylocatesmalltargetlinenumbersunderdifferentdisturbancesisproposed.Sincethecableapplicationscenariohasharshconditionsintermsofnoise，dust，andlightchanges，whicharenotconducivetothelocal-izationofthelinenumberarea，andthesmalltargetlinenumberrequireshighlocalizationaccuracy，theFasterR-CNNmodelisimprovedbasedontheFasterR-CNNmodel，thebackbonenetworkusesResNet-50andoptimizesit，andthefeaturepyramidandmulti-headedself-attentionmechanismareusedtoimprovethenetworkperformanceandthesmalldetectionaccuracyandmodelrobustnessofthetargetlinenumber.Theexperimentalresultsshowthattheproposedcablel...
