《表1 卷积神经网络参数：基于跨连接卷积神经网络的绝缘子检测方法》

  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

《基于跨连接卷积神经网络的绝缘子检测方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

卷积神经网络作为分类器，最初应用于图像识别等领域。卷积神经网络主要由卷积层、池化层和全连接层、输出层组成。多层的卷积神经网络模型通常具有上百万或者上千万的参数，需要通过不断的学习进行优化，对训练样本的数量和计算机硬件条件的要求也很高。当前常用的方法是采用在大量图像数据集的ImageNet上预训练好的网络模型，然后在特定领域数据集上采用迁移学习方式对该模型进行修改和微调。常用的卷积神经网络模型有Alex-net，ZF-net，VGG-Net，Google-Net等。由于本文用到的绝缘子数据规模较小，所以先选用预训练好的ZF-Net模型作为基础网络，再对该网络进行调整来实现绝缘子的检测任务。表1为本文所用的ZF-Net的模型结构参数。