输电线路绝缘子检测数据集（网盘下载链接，160张原图像）

基于YoloV4的绝缘子目标检测程序源代码+数据集+训练模型，人工智能课程设计作业。文件结构 . │ predict.py # 对图片进行预测 │ train.py # 训练模型 │ voc_annotation.py # 对VOC数据集处理导出索引 │ yolo.py # 预测程序的子程序 │ ├─img # 存放预测后的图像 ├─logs # 存放训练的模型文件 ├─model_data # 存放预训练模型 │ new_classes.txt # 类别的名称 │ yolo_anchors.txt # 先验框的大小 │ ├─nets # 网络结构 │ CSPdarknet.py # CSPdarkNet53主干特征网络 │ yolo4.py # FPN、SPP等网络 │ yolo_training.py # 模型训练子程序 │ ├─utils # 数据加载、NMS等 │ dataloader.py # 数

针对不可抗力因素造成无人机航拍绝缘子图片模糊、绝缘子目标检测率较低的问题，提出了一种基于Wasserstein距离优化的生成式对抗网络(WGAN)图片去模糊的绝缘子目标检测方法。首先在WGAN训练过程中引入残差网络，使得生成的绝缘子图片更加清晰；其次在损失函数中引入Wasserstein距离以保证训练过程的稳定性；最后通过优化模型的训练过程，使得生成的绝缘子图片细节还原度更高。绝缘子图片去模糊化实验结果表明，所提方法在结构相似性与峰值信噪比等评价指标上均高于基于卷积神经网络与深度多尺度卷积神经网络等图像去模糊算法。另外，将利用所提方法生成的绝缘子图片与模糊绝缘子图片划分为3组，采用改进的基于区域建议的卷积神经网络目标检测算法分别进行目标检测实验，精确度均值分别提高了5.77%、6.73 %与5.98 %，有效提高了绝缘子的目标检测率。