典型文献
基于贝塞尔曲线网络的电表用电信息识别算法
文献摘要：
利用计算机视觉技术来快速、准确地获得用户的用电信息对于电力部门具有重要意义.针对传统算法精度低、速度慢等问题,提出了一种基于自适应贝塞尔曲线网络的用电信息识别算法.该框架集检测、识别于一体,实现了端到端的文本定位和预测.检测端结合了特征金字塔网络和残差网络,对输入图像进行特征提取,并通过四个控制点生成贝塞尔曲线,能更好地拟合文本框.识别端采用了卷积循环神经网络,引入门控循环单元替代长短期记忆网络,再结合注意力机制对文本进行识别.最后在数据集上开展五组消融实验,进行性能对比和评估分析.实验结果显示,该算法识别精度高达99.08％,且推理速度快,可被用于用电信息检测与识别的实际应用中.
文献关键词：
机器视觉;自适应贝塞尔曲线网络;电表;端到端;注意力机制
中图分类号：
作者姓名：
孙福明;高严;许蕊;李明渊;魏晓鸣
作者机构：
大连民族大学信息与通信工程学院,辽宁大连116600;大连民族大学网络中心,辽宁大连116600
文献出处：
引用格式：
[1]孙福明;高严;许蕊;李明渊;魏晓鸣-.基于贝塞尔曲线网络的电表用电信息识别算法)[J].电力系统保护与控制,2022(14):133-141
A类：
自适应贝塞尔曲线网络
B类：
电表,用电信息,信息识别,识别算法,利用计算机,计算机视觉技术,得用,电力部门,传统算法,速度慢,端到端,文本定位,特征金字塔网络,残差网络,控制点,文本框,卷积循环神经网络,入门,门控循环单元,长短期记忆网络,注意力机制,五组,消融实验,性能对比,评估分析,算法识别,识别精度,推理速度,信息检测,检测与识别,机器视觉
AB值：
0.33255
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。
