首页> 中国专利> 一种基于L2归一化的卷积神经网络图象分类方法

一种基于L2归一化的卷积神经网络图象分类方法

摘要

本发明涉及电力技术领域,具体涉及一种基于L2归一化的卷积神经网络图象分类方法,包括以下步骤:对采集的每张图像进行L2归一化,并将归一化的图像输入至卷积神经网络的输入层;通过卷积神经网络的卷积层提取输入图像的局部特征,由激活函数输出得到卷积层的获得特征图;通过卷积神经网络的池化层对卷积层输出的特征图进行聚合统计;通过卷积神经网络的全连接层对得到的图像进行特征分类,并由神经网络的输出层输出分类结果。本发明通过对巡检图像样本进行深度学习训练,实现在变电站复杂环境下对变电站关键部件的智能识别,为后续设备异常识别做准备,减少了人工判读图数量,大大提升巡检效率以及智能化和自动化程度。

著录项

法律信息

  • 法律状态公告日

    法律状态信息

    法律状态

  • 2020-01-07

    实质审查的生效 IPC(主分类):G06K9/62 申请日:20190821

    实质审查的生效

  • 2019-12-13

    公开

    公开

相似文献

  • 专利
  • 中文文献
  • 外文文献
获取专利

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号