科研之友
微信
新浪微博
Facebook
分享链接
摘要
由于变电站背景下对于不同仪表而言相似度极高,且存在光照、噪声、磁场等影响因素,复杂情况下的分类识别率并不高,传统视觉特征的分类准确率不能满足要求,误差较大。针对特定指针仪表目标的图像分类问题,通过利用AlexNet卷积神经网络构,将构造的特定背景下仪表数据集导入网络之中进行训练。训练得到验证集精度达到94.76%。然后从网络结构中池化方式的不同这方面进行改进,得到一种新的组合方式,既保留了轮廓的完整性,又在细节的处理上更加精确。有效保留了数据间的相关联性,间接加强了模型的学习能力,提高了目标分类的准确率,使得验证集精度提高到97.68%。
- 单位
