排序方式: 共有83条查询结果,搜索用时 218 毫秒
1.
目的 输电线路螺栓图像具有分辨率低和视觉信息较差的特点,针对螺栓缺陷图像分类时教师网络(大模型)参数量大、学生网络(小模型)分类精度低的问题,提出了一种最优知识传递宽残差网络输电线路螺栓缺陷图像分类方法,来弥补使用大小模型进行分类任务的局限性。方法 首先改变大模型宽度,即拓宽网络特征表达维度来增加向小模型传递的螺栓缺陷知识和简化小模型结构至3个残差块;然后为了选出传递螺栓缺陷知识性能最优的大模型,提出知识偏差的概念来可视化大模型向小模型螺栓缺陷知识传递的程度,综合分析不同宽度大模型利用知识蒸馏算法与注意力转移算法分别指导小模型训练后的分类准确率,并用知识偏差来确定最优知识传递模型;最后将最优知识传递模型利用知识蒸馏算法与注意力转移算法相结合指导小模型训练,尽可能提升小模型的螺栓缺陷分类性能。结果 在自建螺栓缺陷图像分类数据集上进行了验证,结果表明宽度为5的大模型向小模型传递螺栓缺陷知识性能最优,使小模型的螺栓缺陷分类准确率提高了5.56%,小模型与最优大模型的分类准确率只差2.17%,知识偏差为0.28,且小模型的参数量仅为大模型参数量的0.56%。结论 本文提出的最优知识传递宽残差网络输电线路螺栓缺陷图像分类方法,弥补了大小模型螺栓缺陷图像分类的局限性,实现了精度与资源消耗的平衡。 相似文献
2.
为促进目标检测模型与电力领域业务知识有机融合,缓解金具样本间长尾分布问题,有效提升输电线路金具的自动化检测效果,提出了融合共现推理的Faster R-CNN(faster region-based convolutional neural network)输电线路金具检测模型。首先,深入研究输电线路金具结构化组合规则,通过数据驱动的方式以条件概率对金具目标间的共现连接关系进行有效表达;然后,结合图学习方法,利用学习并映射的共现概率关联作为共现图邻接矩阵,使用基线模型(Faster R-CNN)提取的特征向量作为图推理输入特征,以自学习的变换矩阵作为共现图传播权重,完成图信息传播并实现有效的共现推理模型嵌入。实验证明,融合共现推理模块的Faster R-CNN模型较原始模型提升了6.56%的准确率,对于长尾分布样本中数量较少的金具性能提升尤其显著。 相似文献
3.
4.
5.
一种变电站电气设备温度在线监测新方法 总被引:4,自引:2,他引:4
为了实现对电气设备的远程、实时、在线的可见光图像和红外温度监测,设计并开发了具有红外检测与图像监控功能的系统。针对变电站电气设备在线监测的特点,从红外理论出发,构建了系统测温模型,分析了影响测温的一些因素及大气衰减的影响;完成了大气透射率的仿真计算并提出了温度修正算法以提高测温精度。开发了具有RS-485串口和激光瞄准方式的改进型红外测温仪,并将其红外测温功能与图像监控软件有效结合。该系统可以在图像监控画面上选择特定的电气设备对其进行远程红外测温,并将返回的温度值加以存储和分析。系统具有较高的经济效益和工程实际应用价值。 相似文献
6.
在航拍输电线路图像的绝缘子缺陷检测任务中,针对不同类型缺陷之间存在的样本数量不平衡、困难样本低效学习等问题,提出一种动态焦点损失函数和一种基于二阶矩的样本平衡方法。首先在前向传播过程中根据困难样本、简单样本分布变化动态求解焦点损失函数的衰减因子,然后利用样本损失离散值定位出困难样本、简单样本的边界,从而获得困难样本集合,最后在反向传播过程中根据不同样本损失的二阶矩对学习样本的贡献率分布进行平衡。实验结果表明所提多类绝缘子缺陷检测方法能够有效地学习到不同样本的深度特征,性能较其他方法有显著的提升。 相似文献
7.
8.
针对传统单向循环神经网络在配电网超短期功率预测领域存在的预测曲线失形、模型过拟合现象以及预测精度不高和收敛速度慢等问题,提出基于小波变换和自注意力机制的双向循环神经网络改进模型。通过双向结构学习功率数据的前向和逆向规律提高模型预测精度;通过小波变换分摊整体功率预测难度以及改善过拟合和加快模型收敛速度;通过自注意力机制把握模型隐藏层维度关系进一步提高预测精度。算例证明改进模型可以有效改善上述问题,改进模型与传统单向模型相比,在有功预测场景中,MAE提升了50.1%,MAPE提升了43.3%,RMSE提升了51.1%;在无功预测场景中,MAE提升了60.5%,MAPE提升了63.8%,RMSE提升了60.1%。 相似文献
9.
年龄是人的固有属性,在人的社会交往中起到了基础性作用,因此人脸图像的年龄估计是人工智能领域的重要问题之一.为了解决非受限条件下人脸图像年龄估计困难的问题,提出一种非受限条件下的多级残差网络人脸年龄估计方法.首先针对高分辨率图像数据集构建多级残差神经网络模型;然后采用Image Net数据集对多级残差网络进行预训练,以获得图像的基本特征表达;最后在非受限人脸年龄数据集上结合随机深度算法对网络模型进行微调.在非受限的Adience人脸年龄分类数据集上进行年龄分类对比实验的结果表明,该方法能够明显地提高非受限条件下人脸年龄估计的准确率,并在提高网络学习能力的同时有效地抑制小规模数据集带来的过拟合问题. 相似文献
10.