【摘 要】
：
为了降低基于深度学习识别算法的巨量计算复杂度和对设备性能的高要求,进一步提升电力图像识别系统的泛用性,提出一种加速与压缩算法,旨在保证精度的前提下,减小模型规模和计
【机 构】
：
中国南方电网有限责任公司超高压输电公司广州局,上海交通大学电子信息与电气工程学院
【基金项目】
：
中国南方电网有限责任公司超高压输电公司广州局科技项目
论文部分内容阅读
为了降低基于深度学习识别算法的巨量计算复杂度和对设备性能的高要求,进一步提升电力图像识别系统的泛用性,提出一种加速与压缩算法,旨在保证精度的前提下,减小模型规模和计算量。首先选取实验场景为输电线路巡检图像检测,考虑精度和速率需求,目标检测算法选取为Faster区域卷积神经网络(regional convolutional neural networks,R-CNN);继而在原检测算法的基础上添加一批规范化层且与卷积层融合以减少运算量,对卷积层进行剪枝,并对全连接层采用奇异值分解以减少冗余。实验表明:所提算
其他文献
随着我国社会经济不断发展,国民生产总值水平不断提高,我国社会的主要矛盾已经转变为人民日益增长的美好生活需求和不平衡不充分的发展之间的矛盾。人们在不断提高自己精神层
防空火控网是一种全新的火控样式,若能解决定位问题,将极大提高火力单元的战斗效能.本文给出了差分GPS预设标定点定位和利用两个固定地物实时定位两种方法,可操作性强.
Investigates the asymptotic stability of numerical solution of linear delay differential equations (DDEs) oftheformy′(t) = Ly(t) +My(t-τ), t ＞ 0, y(t) = ψ(t),
无人机巡线过程中摄像机镜头上可能会沾有雨滴,雨滴对图像的细节信息影响较为严重,使图像中目标输电设备辨识度下降,阻碍了无人机巡检技术的实用化。为此,对雨滴图像形成原理