摘要
本发明公开了一种图像识别方法、装置、电子设备及存储介质。该方法包括:获取变电设备的红外图像,并加载变电设备识别模型;将变电设备的红外图像输入至变电设备识别模型进行检测,得到预测边界框;其中,变电设备识别模型包括轻量级主干网络,轻量级主干网络包括嵌入了特征强化模块的MBConv模块,特征强化模块是基于坐标注意力机制建立的,用于同时获取红外图像的通道维度信息和空间维度信息,并且学习自适应的通道权重,强化在通道信息与空间信息的特征表达能力。本发明使用轻量级的主干网络,减少网络参数量,在轻量级主干网络中融入特征强化模块,提高捕捉与特定场景变电设备相关的通道空间信息的能力,提高变电设备识别模型的识别效率和准确性。
技术关键词
变电设备
堆叠方式
图像识别方法
注意力机制
特征融合网络
卷积模块
电子设备
通道
图像识别装置
神经网络结构
图像识别模块
可读存储介质
计算机
堆叠结构
处理器通信
系统为您推荐了相关专利信息
事件相机
事件特征
动态场景
上采样
特征金字塔网络
分布式电源配电网
混合深度学习模型
可靠性评估方法
配电网可靠性评估
期望缺供电量
轴承故障诊断方法
原始故障数据
输出特征
故障诊断模型
噪声条件
智能问答平台
AI开放平台
工作模块
数据存储模块
开放接口调用