基于改进ResNet34网络的变电站设备巡检图像分类识别的方法OACSTPCD
Method for Substation Equipment Inspection Image Classification and Recognition Based on Improved ResNet34 Network
针对变电站设备巡检图像识别领域中存在的图像规模有限和识别准确率低等问题,提出了一种基于改进ResNet34网络的图像分类识别方法.采用Seam Carving算法对图像中的低能量区域进行压缩以保留关键特征;同时使用弹性变换、高斯噪声等6种图像增强技术来增强图像的多样性.将基础ResNet34网络与卷积注意力模块结合,增强模型对设备巡检图像关键特征的提取能力.使用在ImageNet数据集上的预训练模型作为迁移学习的特征提取器来解决样本数量不足的问题…查看全部>>
Aiming at the problems of limited image scale and low recognition accuracy in the field of substation equipment inspection image recognition,an image classification and recognition method based on improved ResNet34 network is proposed.The Seam Carving algorithm is employed to compress the low-energy areas in the image for the preservation of key features.Additionally,six types of image enhancement techniques such as elastic transformation and Gaussian noise …查看全部>>
刘志坚;孟欣雨;刘航;罗灵琳;张德春
昆明理工大学电力工程学院,云南昆明 650500昆明理工大学电力工程学院,云南昆明 650500昆明理工大学电力工程学院,云南昆明 650500昆明理工大学电力工程学院,云南昆明 650500昆明理工大学电力工程学院,云南昆明 650500
动力与电气工程
ResNet34卷积注意力模块迁移学习余弦退火策略
ResNet34convolutional block attention moduletransfer learningcosine annealing strategy
《电机与控制应用》 2024 (5)
50-60,11
云南省重点研发计划(202303AA080002)云南省基础研究重点项目(202301AS070055)云南省基础研究青年项目(202201AU070086)Major Project of Basic Research Foundation of Yunnan Province(202303AA080002)Key Project of Yunnan Fundamental Research Projects(202301AS070055)Youth Project of Yunnan Fundamental Research Projects(202201AU070086)
评论