[发明专利]基于知识迁移学习的航拍电力部件图像的分类方法有效
| 申请号： | 201910721060.5 | 申请日： | 2019-08-06 |
| 公开（公告）号： | CN110472545B | 公开（公告）日： | 2022-09-23 |
| 发明（设计）人： | 赵俊梅;张利平;任一峰;李晓;余永俊;白鑫;张灵菲 | 申请（专利权）人： | 中北大学 |
| 主分类号： | G06V20/17 | 分类号： | G06V20/17;G06V10/774;G06V10/764;G06V10/82;G06N3/04;G06Q10/06;G06Q50/06 |
| 代理公司： | 太原市科瑞达专利代理有限公司 14101 | 代理人： | 李富元 |
| 地址： | 030051 山*** | 国省代码： | 山西;14 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 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。 | ||
| 搜索关键词： | 基于 知识 迁移 学习 航拍 电力 部件 图像 分类 方法 | ||
【主权项】：
1.基于知识迁移学习的航拍电力部件图像的分类方法，其特征在于：按照如下的步骤进行/n步骤一、建立卷积神经网络GoogLeNet；/n步骤二、对卷积神经网络GoogLeNet进行迁移，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，进而获得新的深度神经网络，然后在原有卷积神经网络GoogLeNet设置基础上，进行参数优化设置；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；/n步骤三、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；/n步骤四、进行仿真实验进行验证。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中北大学，未经中北大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910721060.5/，转载请声明来源钻瓜专利网。
