一种基于CNN的航拍输电线路图像分类方法

• 作者: 姜遇红 张秋雁 李弘宸 杨忠 陈科羽 韩家明
• 来源期刊: 应用科技
• 学科: 工学
• 关键词: 输电线路 绝缘子 图像分类 卷积神经网络 全连接网络 VGG-19 AlexNet 批归一化
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 自动化技术
• 页码范围: 41-45
• 页数: 5页
• 分类号: TP751
• 字数: 3498字
• 语种: 中文
• DOI: 10.11991/yykj.201904008

摘要

输电线路场景的复杂程度较高,经典卷积神经网络对输电线路场景数据集的分类效果较差.为了解决这一问题,利用卷积神经网络的优势,提出了一种基于VGG-19的优化网络结构,并将此优化网络应用在输电线路场景数据集的分类中,优化网络的分类准确度为95.1％.实验结果表明本文提出的优化网络相较于经典的卷积神经网络有更好的分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨忠	南京航空航天大学自动化学院	125	1388	18.0	32.0
2	姜遇红	南京航空航天大学无人机研究院	4	9	1.0	3.0
3	张秋雁		33	53	5.0	6.0
4	韩家明	南京航空航天大学自动化学院	5	23	3.0	4.0
5	陈科羽		7	13	2.0	3.0
6	李弘宸	南京航空航天大学自动化学院	1	0	0.0	0.0