基于自监督学习和深度学习的电能质量扰动视频识别方法

本发明提供一种基于自监督学习和深度学习的电能质量扰动视频识别方法，属于电能质量扰动技术领域；从采集到的波形视频中获取SURE兴趣点，获得每个SURE兴趣点的运动，获得第一个图像块；选取合适的边界框得到第二个图像块；生成数百万个这样的图像块对，加上一个随机视频的图像块，组成暹罗三联体；基于ResNeXt网络，生成一个1024维的特征空间f，在这个特征空间上定义损失函数，定义两个图像块X1、X2之间的距离，定义损失函数；执行小批量的随机梯度下降SGD；把前面训练三联体所得网络中的卷积层参数作为后续训练网络的初始化；通过加权K‑NN算法进行分类。本发明可以实现对实际电网中大量无标签数据的有效识别。