10.11857/j.issn.1674-5124.2019040050
迁移学习和卷积神经网络电力设备图像识别方法
一线生产单位一般不具备建立大量电力设备图像数据集的条件,因此在使用深度学习模型协助完成对电力设备图像的识别过程中受到限制.通过对电力设备进行三维建模和多角度渲染,获得大量模拟电力设备图像,解决深度学习模型卷积神经网络在学习过程中数据集不足的问题.同时,通过迁移学习的方式将经过模拟电力设备图像训练的卷积神经网络应用于对真实电力设备图像的学习中,提高学习效率和精度,最终取得93.5％的识别准确率.该方法为一线生产单位将卷积神经网络应用于电力设备图像识别分类任务提供一种解决办法.
图像识别、电力设备、迁移学习、卷积神经网络
46
TM726(输配电工程、电力网及电力系统)
国家自然科学基金项目51177047
2020-06-11（万方平台首次上网日期，不代表论文的发表时间）
共6页
108-113
