准确率96%
通过迁移学习微调的Swin Transformer模型，能够准确识别相似工况下的测功图，性能优于ResNet50等传统模型。
Guoqing, Dong · 李伟荣 · 董珍珍 · Wang, Cai · Qian, Shihao · Tianyang, Zhang · Xueling, Ma · Lu, Zou · Keze, Lin · Liu, Zhaoxia
Applied Sciences (Switzerland) 2024
相比ResNet50、DenseNet121等传统模型，分类准确率提升3–4个百分点，达到96%。
采用迁移学习显著缩短训练时间，同时提高诊断准确性。
模型可以直接接收测功图作为输入进行分类，无需人工特征提取。