论文部分内容阅读
随着大型图像集的出现以及计算机硬件尤其是GPU的快速发展,在有限计算资源的嵌入式设备上部署卷积神经网络(CNN)模型成为具有挑战性的问题.电力设备过热故障可以通过采集的红外热成像进行识别.由于红外辐射在空气中传播衰落,红外测温结果低于实际温度值.本文提出一种基于嵌入式设备的高效卷积神经网络用于电力设备热故障检测,将SSD算法中的骨干网络替换为MobileNet,同时Batch Normalization与前一卷积层合并,以减少模型参数、提升推理速度、使之能够在轻量级计算平台上运行.针对红外辐射在空气