典型文献
基于卷积神经网络的数字电视劣质画面检测算法设计
文献摘要：
为降低无线电视发射台值班人员的工作强度,提高监测效率,本文提出一种基于卷积神经网络的数字电视劣质画面检测方法.基于Pytorch深度学习框架,选取MobileNetV2网络进行简化、优化来设计新的网络模型从而实现目标.截取了多套不同时段的数字电视节目画面作为数据集对网络模型进行训练、验证和测试.新网络模型在测试集上达到了95.59％的准确率和6.80毫秒的平均处理时间.创新性地验证了使用人工智能深度学习技术来检测数字电视劣质画面的可行性.
文献关键词：
深度学习;卷积神经网络;图像监测;数字电视
中图分类号：
作者姓名：
韦潜
作者机构：
广西广播电视技术中心,广西530012
文献出处：
引用格式：
[1]韦潜-.基于卷积神经网络的数字电视劣质画面检测算法设计)[J].广播与电视技术,2022(10):19-23
A类：
B类：
数字电视,劣质,检测算法,算法设计,无线电视,电视发射,发射台,值班人员,工作强度,Pytorch,深度学习框架,MobileNetV2,实现目标,截取,多套,不同时段,电视节目,新网,测试集,上达,毫秒,处理时间,深度学习技术,图像监测
AB值：
0.382523
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。
