基于Meta-Network的变压器红外图像分类方法研究

随着我国经济发展,高质量的稳定电网变得愈发重要。在负荷逐渐加重的今天,对变压器红外图像识别已经成为一个研究方向。本文基于小样本学习方法Meta-Network(即MetaNet),通过微调原理改进VGG19模型,使用GRU替代传统的LSTM网络,增强了小样本情况下的学习效果。其中数据集包含600多张变压器红外图像,初步实现了减少训练样本与时间、提升分类器性能的效果。