简介:摘要:本文是基于OpenCV的人脸检测算法原理,在 C++或者Python环境下基于 OpenCV 实现一个简单的人脸检测和跟踪程序,利用 Adaboost 学习算法来解决目标识别的目的。
简介:摘要气体绝缘电器(GasInsulatedSwitchgear,GIS)的局部放电(PartialDischarge,PD)模式识别问题中,传统方法多为专家依据经验设计特征,具有一定的盲目性。深度学习可以自动挖掘数据的特征表示,但是需要大规模训练数据。密集连接网络(DenselyConnectedConvolutionalNetworks,DenseNet)的特征复用可以充分利用网络低、中、高层的特征信息,同时有效减少冗余特征,更符合本文小规模数据应用。因此,针对超高频信号的模式识别问题,本文提出将超高频信号数据转化为局部放电灰度图,利用密集连接网络自适应抽取放电灰度图的特征进行局部放电模式识别的方法。实验结果表明,本文方法比传统方法和AlexNet具有更高的准确性。