检索结果-南通市图书馆

An Edge visual incremental perception Framework Based on Deep Semi-supervised Learning for Monitoring Power Transmission Lines

引用

CSEE Journal of Power and Energy Systems 2023年第2期9卷 759-768页

作者： Jun Zhang Jiye Wang Rui Song Guozheng Peng Tianjiao Pu Shuhua Zhang College of Electrical and Information Engineering Hunan UniversityChangsha 410082China China Electric Power Research Institute Beijing 100192China

In recent years,several efforts have been made to develop power transmission line abnormal target detection models based on edge ***,updates to these models rely on participation of the cloud,which means that network resource shortages can lead to update failures,followed by unsatisfactory recognition and detection performance in practical *** address this problem,this article proposes an edge visual incremental perception framework,based on deep semisupervised learning,for monitoring power transmission *** generation of the initial model using a small amount of labeled data,models trained using this framework can update themselves based on unlabeled data.A teacher-student joint training strategy,a data augmentation strategy,and a model updating strategy are also designed and adopted to improve the performance of the models trained with this *** proposed framework is then examined with various transmission line datasets with 1%,2%,5%,and 10%labeled *** performance enhancement is thus confirmed against traditional supervised learning *** the 10%labeled data training set,the recognition accuracy of the model is improved to exceed 80%,meeting the practical needs of power system operation,and thus clearly validating the effectiveness of the framework.

关键词： Edge intelligence semi-supervised learning transmission lines monitoring visual incremental perception

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：