Small Insulator Defects Detection Based on Multiscale Feature Interaction Transformer for UAV-Assisted Power IoVT
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The power inspection is an important application of UAV-assisted power internet of video things (IoVT) for maintaining the safety of the power system. Due to the limitations of distance and angle, the resolution of the images captured by UAV is low, which seriously impacts the effects of small insulator defects detection. To address this problem, we propose a small-size defects detection method based on multi-scale feature interaction transformer for UAV-assisted Power IoVT. For the algorithm, we design a super-resolution reconstruction-assisted small object detection algorithm, the super-resolution module generates high-resolution images with the requirements of object detection function, which greatly improves the small object detection performance. Moreover, we design multi-scale feature interaction transformer network (MFITN), compared with the traditional non-local attention mechanism, the network structure can capture dependencies in multi-scales features, furthermore, the advantage assist the super-resolution module to generate more realistic image information to further improve small object detection. In addition, we propose a distributed model deployment strategy to deploy our high computational complexity algorithm in the edge side of the IoVT system, which can drive the overall algorithm to perform low-latency edge computation by relying only on the limited computing power devices. Experiments demonstrate that our method has better small object detection performance (mAP=81.3%, FPS=49.7), the super-resolution reconstruction is able to recover more realistic detail information, the distributed computing method can reduce the response latency by 33.4%-87.2%, which all contribute UAV-assisted Power IoVT system to realize accurate and fast power insulator defects detection.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle