典型文献
基于BYOL多模态学习的绝缘子故障目标识别
文献摘要：
针对利用基于深度学习的目标识别技术进行输电线路故障检测时训练样本制作困难的问题,提出了一种基于BYOL(bootstrap your own latent)的多模态目标识别方法.将多源异构信息通过信息融合模块传送至神经网络下游,利用BYOL框架在未标记样本中进行模型训练,融合多模态信息以增强特征的表达能力、提升自监督学习效果,使模型更容易在特征中获取识别目标的有效信息.实验结果表明,在进行绝缘子表面灼伤目标识别时,基于BYOL的多模态目标识别方法平均精确度比SimCLR方法、原始BYOL方法以及SimSiam方法分别提升了23.4％、13.1％与10.5％.实验结果表明了该算法的有效性.
文献关键词：
BYOL;多模态;自监督学习;绝缘子;目标识别
中图分类号：
作者姓名：
刘艳;黄杰
作者机构：
新疆信息产业有限责任公司,新疆乌鲁木齐 830011
文献出处：
引用格式：
[1]刘艳;黄杰-.基于BYOL多模态学习的绝缘子故障目标识别)[J].电力科学与工程,2022(10):73-78
A类：
SimCLR,SimSiam
B类：
BYOL,多模态学习,绝缘子故障,障目,目标识别技术,输电线路故障检测,训练样本,bootstrap,your,own,latent,目标识别方法,多源异构信息,信息融合,传送,送至,标记样本,模型训练,多模态信息,表达能力,自监督学习,有效信息,灼伤
AB值：
0.30786
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
