用于传输线故障检测的 YOLO

 我将模型缩小到YOLO 或 Faster R-CNN。但YOLO 作为单次目标检测模型在速度和计算效率方面获得了许多好处。由于基于无人机的实时故障检测是最佳选择，我选择使用 YOLO。YOLO 代表“You Only Look Once”，暗示您只需要通过一个神经网络即可对检测到的对象的边界框进行分类和预测。

关键部件：

1. 将图像分割成 SxS 网格

• 物体中心位于其中的任何一个单元都负责检测它。
• 每个框将预测 B 个边界框以及置信度分数。
• 默认情况下，B 为 2，置信度分数范围为 0.0 到 1.0。（如果没有检测到物体，则置信度为 0）