简介:
简介:摘要:本文以红外与光学成像为研究对象,提出采用XGBoost集成深度学习算法,通过对光学图像首先采用了镜像翻转、图像分割、灰度化与归一化等图像预处理手段对样本数据进行修正,研究了在小样本数据集中四种算法的性能表现。结果表明:对于小样本数据集,随机森林和 XGBoost 的训练效果最好,准确率达98.75%,优于其他几种算法。
电气设备故障的红外图像处理技术
基于XGBoost集成深度学习的红外与可见光图像识别方法