【电器识别】基于AlexNet网络实现电线杆、绝缘子、发电机和电容器等电器设备识别附matlab代码

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。AlexNet 的输入是227x227x3 的图像，输出是 1×1000 的一维向量，它运用ReLu 激活函数，解决了 Sigmoid 在网络层次较深时的梯度弥散问题，提高了神经网络对模型的表达能力。/p>

2 部分代码

文章知识点与官方知识档案匹配，可进一步学习相关知识云原生入门技能树首页概览8608 人正在系统学习中

来源：Matlab科研工作室