基于改进CNN的增强现实变压器图像识别技术

• 作者: 何双伯 冯伟夏 周青云 李军锋 熊山 薛江
• 来源期刊: 现代电子技术
• 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
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 信号分析与图像处理
• 页码范围: 29-32
• 页数: 4页
• 分类号: TN911.73-34
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2018.07.008

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李军锋	广东工业大学自动化学院	30	55	4.0	6.0
3	何双伯	广东电网有限责任公司教育培训评价中心	9	35	3.0	5.0
4	熊山	广东电网有限责任公司教育培训评价中心	17	30	3.0	5.0
7	冯伟夏	广东电网有限责任公司教育培训评价中心	15	31	3.0	5.0
8	薛江	广东电网有限责任公司教育培训评价中心	8	21	2.0	4.0
9	周青云	广东电网有限责任公司教育培训评价中心	8	13	2.0	3.0