典型文献
基于LSGAN及迁移学习的智慧工地监控图像修复和识别方法
文献摘要：
目前建筑工地视频监控图像模糊,部分图像有遮挡,监控智能性差,耗费大量的人力物力仍无法实现高效管理,针对此问题,提出一种基于最小二乘生成式对抗网络(LSGAN)及迁移学习的智慧工地监控图像修复和识别方法.首先,利用生成式对抗网络的判别器与生成器之间的零和博弈,引入最小二乘损失函数,修复工地监控图像;其次,引入迁移学习思想提取图像特征,将修复后的图像在预训练的GoogleNet模型上进行训练,微调网络参数;最后,利用长短时记忆(LSTM)神经网络对目标图像进行检测与识别,判别现场是否存在安全隐患及人员违规行为.实验结果表明:该方法能够高效预测图像语义缺失,图像修复速度快,视觉效果逼真,且目标识别准确率较高,具有一定的实用价值.
文献关键词：
图像修复;目标识别;最小二乘生成式对抗网络;迁移学习;长短时记忆神经网络
中图分类号：
作者姓名：
张涛;刘刚;朱冀涛;徐晓雨;徐岩
作者机构：
国网辽宁省电力有限公司,辽宁 沈阳 110003;国网辽宁省电力有限公司建设分公司,辽宁 沈阳 110003;华北电力大学电气与电子工程学院,河北 保定 071003
文献出处：
引用格式：
[1]张涛;刘刚;朱冀涛;徐晓雨;徐岩-.基于LSGAN及迁移学习的智慧工地监控图像修复和识别方法)[J].中国测试,2022(09):125-132
A类：
最小二乘生成式对抗网络
B类：
LSGAN,迁移学习,智慧工地,监控图像,图像修复,建筑工地,视频监控,遮挡,智能性,耗费,人力物力,高效管理,判别器,生成器,零和博弈,最小二乘损失,损失函数,学习思想,图像特征,预训练,GoogleNet,微调网络,网络参数,标图,检测与识别,别现,违规行为,语义缺失,视觉效果,逼真,目标识别,识别准确率,长短时记忆神经网络
AB值：
0.352221
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。
