摘要
摘要：由于配电设备缺陷素材与外破画面素材较少，利用传统人工智能图像识别技术，容易因样本数据过少而导致容易出现过拟合的现象。为解决这个瓶颈，本文探索使用VGG迁移学习网络作为训练网络。深度学习的巨大成功可以认为是表征学习的巨大成功。计算机图像识别技术在应用过程中存在一些缺陷,在一定程度上阻碍了智能化技术的发展。而通常当任务数据集上的数据不足以支持学习到足够多样化又有用的表征时，可以利用其他更大的数据集学到的表征并且视其为通用表征，使用这些表征并且使用任务数据集的数据来微调，可以减少对目标数据集数据量的要求。计算机图像识别要求系统高效准确地进行图像识别,智能化处理方法的应用可以显著提升计算机图像识别的性能,提升其识别的准确性及效率。
出版日期
2021年06月03日（中国期刊网平台首次上网日期，不代表论文的发表时间）
