基于特征融合的深度学习场景识别方法

    公开(公告)号:CN110222755A

    公开(公告)日:2019-09-10

    申请号:CN201910459987.6

    申请日:2019-05-30

    IPC分类号: G06K9/62 G06N3/04

    摘要: 本发明涉及一种基于特征融合的深度学习场景识别方法,本发明利用深度卷积神经网络,首先选择VGG16模型第4个卷积模块的最后一个卷积操作输出的特征图F,然后对选择的特征图F依次进行1次卷积和2次线性变换操作,最终将特征图F转换成512维的列向量,然后将512维的列向量与VGG16第一个全连接层输出的4096维特征向量进行级联融合,将融合后的4608维的特征向量x输入到下一个全连接层中,最终获得模型对场景图像的预测结果。该方法不仅在公开的场景图像数据集Scene-15上取得较好的分类效果同时在我们构建的电力场景图像数据集上也取得较高的分类准确率。

    一种手持式墙壁内电源线路故障查找仪

    公开(公告)号:CN104698339A

    公开(公告)日:2015-06-10

    申请号:CN201510087793.X

    申请日:2015-02-11

    IPC分类号: G01R31/08 G01V3/11

    摘要: 本发明公开了一种手持式墙壁内电源线路故障查找仪,其采用内置可充电蓄电池供电;信号探测器与主机连接,信号探测器由强电场信号探头和弱电场信号探头组成,强电场信号探头和弱电场信号探头分别与调谐选频电路相连,调谐选频电路、电场信号接收放大电路、超再生检波电路、收信电平显示电路、音频放大电路及扬声器依次相连的设置在主机外壳内,主机外壳设置开关按钮、充电插口、调谐旋钮、天线插入口、内屏蔽手触金属钮及音量调节钮。该查找仪体积小,便于携带,造价低廉,整体外形手持式;使用时可看电平数值显示,也可听声音大小,提高了现场查找墙壁内电源线路定位和故障排除的效率,使用安全可靠,适于各种隐蔽线路供电场所。