基于CycleGAN的风格转换技术应用于人脸图像口罩佩戴任务的研究

新冠疫情的出现使得需要提高人脸检测技术对佩戴口罩人脸的检测性能,而一种提升检测性能的方式就是提升口罩人脸检测数据集的质量。CycleGAN网络模型能够在非成对样本的情况下将源域X转换为目标域Y,实现图像风格转换的功能。采用CycleGAN网络模型实现人脸图像口罩佩戴任务,将数据集中未佩戴口罩人脸图像转换为相应的佩戴口罩人脸图像。同时引入CBAM注意力机制改进策略,并使用SSIM指标来对转换的结果进行评价。结果证明加入CBAM注意力机制模块后进行实际人脸图像口罩佩戴任务的效果得到了较好的优化与提高。

基于主成分分析和图论的低压配电网相户关系拓扑识别

正确的拓扑识别成为配电网络优化调度的关键任务,但实际过程中随着配电线路的维护和检修,配网拓扑结构随之也发生变化,人工检查效率低且容易产生偏差。选择主成分分析方法对电表量测数据进行降维,利用电能守恒原理,去确定上下级电表关系,结合迭代算法和图论中树的概念,把配电系统低压侧拓扑关系建模问题变为普通单相用户与进线电压相别间线性模型辨识问题,用智能电表的量测值来进行数据挖掘。所改进的拓扑识别算法,结合某农村台区电表数据进行仿真,结果表明所提算法可以较为准确地进行低压配电网的相户关系的拓扑识别。

基于修正证据理论的配电电缆健康状态评估

配电电缆线路在配电网中占有很大的比例,对其进行状态检修是保证供电可靠性的有效手段。通过对电缆的健康状态进行评估,可以科学的制定检修策略,提高检修的效率。提出了一种电缆健康状态评估的方法,建立了电缆健康状态评估模型,首先综合考虑配电电缆的特点来确定评估的指标,并根据状态量的相关性来进行分层划分;然后根据模糊隶属度函数来量化电缆状态的模糊性和不确定性,并利用层次分析法合理的分配权重;最后用修正的证据理论来进行证据的融合,降低了证据的冲突程度。通过现场的运行数据分析,改进后的状态评估模型能有效的反映电缆的状态。