10.3969/j.issn.1672-9870.2023.01.011
基于迁移学习的电气元件识别方法研究
电气元件识别是电控柜自动布线机的关键一步.由于采用普通深度学习训练小样本集可能出现过拟合,所以将VGG16、ResNet50模型迁移到电气元件识别领域,再利用网络手术技术分别将基于VGG16、ResNet50迁移模型的分类器替换成极限学习机.普通深度学习模型VGG16、ResNet50识别准确率分别为68.27%和72.94%;迁移学习模型识别准确率对比普通深度学习分别调高了18.89%、17.28%;使用迁移学习和ELM结合方法,准确率比对应迁移模型分别提高了5.56%、7.16%.结果表明,迁移学习更适合小样本电气元件的识别,并且迁移学习和ELM相结合的方法可进一步提高准确率.
电气元件、识别、普通深度学习、迁移学习、极限学习机
46
TP391.4(计算技术、计算机技术)
吉林省科技发展计划项目20190302069GX
2023-02-27(万方平台首次上网日期,不代表论文的发表时间)
共8页
73-80