电气领域相关数据（目标检测，分类图像数据及负荷预测，持续更新）

SqueezeNet是一种轻量级的卷积神经网络（CNN），其设计目的是在使用少量的参数和计算资源的情况下，保持较高的分类性能，使用SqueezeNet在MATLAB中进行图像分类训练。步骤1：准备数据集首先，我们需要准备一个图像分类数据集。在本文中，我们将使用CIFAR-10数据集，其包含了10个类别的60000个32x32的RGB图像。可以在MATLAB中使用以下命令下载该数据集：```% 下载

数据集图像示例： 下载地址：电气仪表、电表检测、表计检测图像数据集（含VOC标签，3000多张图像）

配网绝缘子缺陷检测数据集（1w多张，含txt标签）

下载地址：风力发电机组表面缺陷检测图像数据集

长短期记忆网络 LSTM进行负荷预测

输电线路无人机巡检图像数据集：下载链接：数据1数据集2

下载地址：波兰电力交易市场短期电价预测数据集(时间间隔1小时，26208条数据)

下载地址：输电线路无人机配电网巡检图像数据集（80G大小数据，几w张图像，无标签，网盘下载链接）

输电线路绝缘子红外图像数据集（100张，含标签）