小样本鸟巢检测网络

95.5%识别率

融合YOLOv5与DETR，用日常场景鸟巢知识迁移到输电线路，只需少量样本即可高精度识别。

Yang, Yanli · Xinlin, Wang

Energy Reports 2023

参数信息

识别率

95.50 %

泛化识别率

85.54 %

同源训练样本数

10

非同源训练样本数

80

技术优势

小样本可用

仅需10个同源样本和80个非同源样本即可训练，大幅减少标注工作量。

无需同源数据

第二个数据集在没有同源训练数据的情况下，仅靠日常场景迁移就识别出85.54%的样本。

跨域迁移

受生物视觉启发，将日常场景中的鸟巢学习迁移到输电线路场景，缓解域差异问题。

应用场景

• 输电线路巡检：自动识别线路上的鸟巢隐患，替代人工巡检。
• 无人机巡检：可部署在无人机机载端，实现边飞边识别鸟巢。
• 智能视觉：提供小样本目标检测的跨域迁移新思路。