基于高阶门控卷积的面部识别算法在电站身份识别中的应用

电站安全与国家安全和人民生产生活息息相关,因此对电站的出入人员进行准确的身份识别尤为重要。针对电站出入人员携带安全帽导致的面部特征采集不完全等问题,文章提出了融合高阶门控卷积模块对MTCNN和Face Net网络模型进行改进增强,通过显式建模人脸面部特征向量之间的高阶关联,使得模型可以学习到更加准确的特征映射函数,从而提高面部识别的准确率。在LFW数据集上,提出的改进方法相比于原Facenet模型的99.63%的准确率提高到了99.68%的准确率。最后,在电站的实际应用场景中,出入识别的准确率分别为99.12%和98.93%。

基于YOLOX和高阶门控卷积的变电站火灾检测系统

变电站的安全和稳定运行对社会稳定和国家安全至关重要,且由于需要长时间高负荷的稳定运行导致设施发生火灾的可能性增加。因此基于YOLOX和高阶门控卷积提出了一种高效且稳定的火灾检测系统。其中,高阶门控卷积的基础单元为门控卷积,通过对门控卷积执行递归操作获得特征空间的高阶交互从而来增强模型的学习和特征表示。实验结果表明,结合高阶门控卷积的YOLOX模型相较于原YOLOX模型具有更高的检测精度和鲁棒性。基于YOLOX和高阶门控卷积的火灾检测方法提高了火灾检测精度,有效降低了变电站火灾事故率。