-
公开(公告)号：CN110472545B
公开(公告)日：2022-09-23
申请号：CN201910721060.5
申请日：2019-08-06
Applicant: 中北大学
IPC: G06V20/17 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04 , G06Q10/06 , G06Q50/06
Abstract: 本发明涉及人工智能中深度学习和机器视觉相结合的领域，基于知识迁移学习的航拍电力部件图像的分类方法，按照如下的步骤进行，建立卷积神经网络GoogLeNet；对卷积神经网络GoogLeNet进行调优，在卷积神经网络GoogLeNet的基础上，将卷积神经网络GoogLeNet的最后三层用一个全连接层、一个softmax层和分类输出层所代替，进行优化设置；在训练网络时，网络参数是结合多次仿真实验和贝叶斯优化算法获取的；将采集到的电力部件图像经过归一化预处理后输入步骤二获得且设置好的新的深度卷积神经网络进行学习，按照绝缘子、金具、杆塔等类别进行分类；进行仿真实验进行验证。
-
公开(公告)号：CN109712112A
公开(公告)日：2019-05-03
申请号：CN201811401151.2
申请日：2018-11-22
Applicant: 中北大学
Abstract: 本发明属于计算机视觉中的图像处理技术领域，应用在电力系统中输电线路巡检方面。基于局部特征的航拍绝缘子图像的定位方法，通过无人机采集沿着输电线路拍摄采集图像，对采集和参考绝缘子图像均进行灰度化处理；在MATLAB平台上利用Harris-Laplace检测方法提取灰度化处理后图像的特征点，在MATLAB平台上，用SURF算法提取经过步骤二处理的灰度化处理后图像的特征点，在MATLAB平台上，用估计几何变换进行图像配准，绝缘子定位。本发明充分发挥局部特征的旋转、尺度、仿射不变性的优势，并且局部特征点配准定位的话，特征点数量少，计算量降低。
-
公开(公告)号：CN109712112B
公开(公告)日：2022-06-24
申请号：CN201811401151.2
申请日：2018-11-22
Applicant: 中北大学
Abstract: 本发明属于计算机视觉中的图像处理技术领域，应用在电力系统中输电线路巡检方面。基于局部特征的航拍绝缘子图像的定位方法，通过无人机采集沿着输电线路拍摄采集图像，对采集和参考绝缘子图像均进行灰度化处理；在MATLAB平台上利用Harris‑Laplace检测方法提取灰度化处理后图像的特征点，在MATLAB平台上，用SURF算法提取经过步骤二处理的灰度化处理后图像的特征点，在MATLAB平台上，用估计几何变换进行图像配准，绝缘子定位。本发明充分发挥局部特征的旋转、尺度、仿射不变性的优势，并且局部特征点配准定位的话，特征点数量少，计算量降低。
-
公开(公告)号：CN110472545A
公开(公告)日：2019-11-19
申请号：CN201910721060.5
申请日：2019-08-06
Applicant: 中北大学
Abstract: 本发明涉及人工智能中深度学习和机器视觉相结合的领域，基于知识迁移学习的航拍电力部件图像的分类方法，按照如下的步骤进行，建立卷积神经网络GoogLeNet；对卷积神经网络GoogLeNet进行调优，在卷积神经网络GoogLeNet的基础上，将卷积神经网络GoogLeNet的最后三层用一个全连接层、一个softmax层和分类输出层所代替，进行优化设置；在训练网络时，网络参数是结合多次仿真实验和贝叶斯优化算法获取的；将采集到的电力部件图像经过归一化预处理后输入步骤二获得且设置好的新的深度卷积神经网络进行学习，按照绝缘子、金具、杆塔等类别进行分类；进行仿真实验进行验证。
-
-
-
Search Results
4
records
(took 0.012 seconds)
