基于YOLO网络的发电侧数据异常检测研究

该文提出了一种新的异常数据检测方法,可以满足发电侧异常数据检测的需要。在特征提取层的DBL和Pooling之间嵌入SENet结构,通过压缩、激励和重标定3个操作,使数据信息的特征提取更准确。在特征提取层后引入多尺度池化处理机制,从而提高YOLO网络的学习效率。试验结果表明,引入SENet结构和多尺度池化机制可以提高YOLO网络的特征提取准确性和迭代过程的收敛速度。