如何利用AlexNet网络实现电线杆、绝缘子等电器设备的电器识别？
- 内容介绍
- 文章标签
- 相关推荐
本文共计1051个文字，预计阅读时间需要5分钟。
1. 简介：第三次产业革命以来，计算机领域飞速发展。物体识别作为一个新兴的科学研究领域，其本身在不断完善。数学工具越来越全，计算机运算速度的提升，这些方面的进步使物体识别成为‘‘
1 简介
第三次产业革命以来,计算机领域飞速发展。物体识别作为一个新兴的学科领域,其本身在不断的完善。数学工具越来越全,计算机运算速度的提升,这些方面的进步使得物体识别成为一个理论与实际研究的焦点。而神经网络作为其中极其重要的计算手段,使得基于神经网络的物体识别成为研究热门。本论文研究了物体识别方法,并借助Matlab软件平台,完成了基于AlexNet神经网络的电线杆、绝缘子、发电机和电容器识别实验,从而对物体识别有了更加深刻的认识,最后分析实验结果以及改进方法的探索。
AlexNet是 2012 年 ImageNet 竞 赛冠军获得者Hinton 和他的学生 Alex Krizhevsky 设计的，它是一种卷积神经网络 (CNN) 结构，开启了深度学习的时代，作为开拓者的 AlexNet 自然有很多值得学习参考的地方。AlexNet的结构包括 5 层卷积层，3 层全连接层，共有 650K 个神经元单元，可以实现 1000 类物体的分类，其中卷积层的作用是进行特征的抽象和提取，全连接层的作用是负责逻辑推断，所有的参数都需要学习得到。
本文共计1051个文字，预计阅读时间需要5分钟。
1. 简介：第三次产业革命以来，计算机领域飞速发展。物体识别作为一个新兴的科学研究领域，其本身在不断完善。数学工具越来越全，计算机运算速度的提升，这些方面的进步使物体识别成为‘‘
1 简介
第三次产业革命以来,计算机领域飞速发展。物体识别作为一个新兴的学科领域,其本身在不断的完善。数学工具越来越全,计算机运算速度的提升,这些方面的进步使得物体识别成为一个理论与实际研究的焦点。而神经网络作为其中极其重要的计算手段,使得基于神经网络的物体识别成为研究热门。本论文研究了物体识别方法,并借助Matlab软件平台,完成了基于AlexNet神经网络的电线杆、绝缘子、发电机和电容器识别实验,从而对物体识别有了更加深刻的认识,最后分析实验结果以及改进方法的探索。
AlexNet是 2012 年 ImageNet 竞 赛冠军获得者Hinton 和他的学生 Alex Krizhevsky 设计的，它是一种卷积神经网络 (CNN) 结构，开启了深度学习的时代，作为开拓者的 AlexNet 自然有很多值得学习参考的地方。AlexNet的结构包括 5 层卷积层，3 层全连接层，共有 650K 个神经元单元，可以实现 1000 类物体的分类，其中卷积层的作用是进行特征的抽象和提取，全连接层的作用是负责逻辑推断，所有的参数都需要学习得到。