当前位置: X-MOL 学术J. Cloud Comp. › 论文详情
Dual-channel convolutional neural network for power edge image recognition
Journal of Cloud Computing ( IF 2.788 ) Pub Date : 2021-02-22 , DOI: 10.1186/s13677-021-00235-9
Fangrong Zhou; Yi Ma; Bo Wang; Gang Lin

In view of the low accuracy and poor processing capacity of traditional power equipment image recognition methods, this paper proposes a power equipment image recognition method based on a dual-channel convolutional neural network (DC-CNN) model and random forest (RF) classification. In the aspect of feature extraction, the DC-CNN model extracts the characteristics of power equipment through two independent CNN models. In the aspect of the recognition algorithm, by referring to the advantages of the traditional machine learning method and incorporating the advantages of the RF, an RF classification method incorporating deep learning is proposed. Finally, the proposed DC-CNN model and RF classification method are used to classify images of various types of power equipment. The results show that the proposed methods can be effectively applied to the image recognition of various types of power equipment, and they greatly improve the recognition rate of power equipment images.

中文翻译:

用于功率边缘图像识别的双通道卷积神经网络

针对传统电力设备图像识别方法精度低,处理能力差的问题,提出一种基于双通道卷积神经网络(DC-CNN)模型和随机森林(RF)分类的电力设备图像识别方法。在特征提取方面,DC-CNN模型通过两个独立的CNN模型提取电力设备的特征。在识别算法方面,通过参考传统机器学习方法的优点并结合射频的优点,提出了一种结合深度学习的射频分类方法。最后,将提出的DC-CNN模型和RF分类方法用于对各种类型的电力设备的图像进行分类。
更新日期:2021-02-22
全部期刊列表>>
2021新春特辑
SN Applied Sciences期刊征稿中
虚拟特刊
亚洲大洋洲地球科学
NPJ欢迎投稿
自然科研论文编辑
ERIS期刊投稿
欢迎阅读创刊号
自然职场,为您触达千万科研人才
spring&清华大学出版社
城市可持续发展前沿研究专辑
Springer 纳米技术权威期刊征稿
全球视野覆盖
施普林格·自然新
chemistry
物理学研究前沿热点精选期刊推荐
自然职位线上招聘会
欢迎报名注册2020量子在线大会
化学领域亟待解决的问题
材料学研究精选新
GIANT
ACS ES&T Engineering
ACS ES&T Water
屿渡论文,编辑服务
阿拉丁试剂right
上海中医药大学
哈工大
西湖大学
化学所
北京大学
山东大学
隐藏1h前已浏览文章
课题组网站
新版X-MOL期刊搜索和高级搜索功能介绍
ACS材料视界
南方科技大学
张凤娇
中国石油大学
天合科研
x-mol收录
试剂库存
down
wechat
bug