《表3 不同特征提取网络故障分类结果对比》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于深度卷积神经网络的输电线路防鸟刺部件识别与故障检测》
为验证本文设计的防鸟刺故障检测器有效性,选取Dark Net53、VGG16、Res Net101 3个具有代表性的特征提取网络,构成防鸟刺故障检测器进行对比实验。所有故障检测器均使用相同的参数进行训练,在验证集上的测试结果如表3所示。由表可以看出,相比于另外3种特征提取网络,Res Net152能够更有效地提取防鸟刺深层特征,实现防鸟刺故障检测。
图表编号 | XD00187504900 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.05 |
作者 | 缪希仁、林志成、江灏、陈静、刘欣宇、庄胜斌 |
绘制单位 | 福州大学电气工程与自动化学院、福州大学电气工程与自动化学院、福州大学电气工程与自动化学院、福州大学电气工程与自动化学院、福州大学电气工程与自动化学院、福州大学电气工程与自动化学院 |
更多格式 | 高清、无水印(增值服务) |