基于改进CNN的增强现实变压器图像识别技术

摘要：

研究了增强现实变压器图像识别技术,为解决增强现实中变压器图像识别问题,首先在介绍深度学习的经典模型之一,即卷积神经网络CNN的基础上,提出基于两个并行结构的改进卷积神经网络模型(改进CNN),利用改进CNN模型对增强现实摄像头扫描得到的图像进行分类,实现变压器图形化识别.与普通卷积神经网络、SIFT图像识别算法等对比,改进CNN具有更低的错误率,并对变压器图像识别的准确率更高,通过仿真实验验证了此方法的准确性.

关键词：增强现实、改进CNN、变压器、图像识别、识别准确度、卷积运算

所属期刊栏目：41

分类号：TN911.73-34

资助基金：广东电网虚拟现实和增强现实重点实验室资助项目GDKJQQ20152015:基于增强现实的工作辅助课件及其支撑系统研究与开发 Project Supported by Key Laboratory of Guangdong Power Grid Virtual Reality and Augmented RealityGDKJQQ20152015:Research and De-velopment of Work Assisted Courseware and Support System Based on Augmented Reality

在线出版日期：2018-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：29-32