摘要
本申请属于电力模型剪枝技术领域,更具体地说,涉及电力轻量化识别模型的优化与剪枝方法,本发明通过预处理和特征统计,生成特征热力图,指导数据增强过程,提升模型对复杂环境的适应能力,并在数据增强部分结合物理模拟添加天气退化效果和随机遮挡物,同时保护关键区域,确保小目标特征不被破坏,在结构化剪枝中,基于通道重要性评估,减少冗余参数,优化模型结构,同时考虑通道间的依赖关系,避免精度下降,最后,知识蒸馏优化将大模型的知识迁移到轻量化模型,提升其性能和鲁棒性,使得优化后的模型在资源受限设备上实现高效准确的电力设备识别。
技术关键词
剪枝方法
电力巡检图像
热力图
深度卷积神经网络模型
电力设备
Laplacian算子
电力识别模型
深度卷积网络模型
鸟巢
知识蒸馏优化
学生
资源受限设备
知识蒸馏技术
生成深度图
像素
通道
教师
模型剪枝
系统为您推荐了相关专利信息
远程监控视频
视频帧
分块
远程监控方法
北斗短报文
样本数据处理方法
强化学习算法
电力运行数据
机器学习算法
恢复电力系统
面向电力设备
语义知识库
向量检索方法
深度学习模型
计算机可读指令
无人机巡检路径
能耗
电磁
电力设备巡检技术
变电站
一体化优化方法
优化调度决策
优化调度模型
配电网拓扑结构
配电网结构