典型文献
基于深度迁移学习的电力作业安全带佩戴检测
文献摘要：
电力检修作业由于其特殊性,电力工人需要在高空完成作业,常常出现忘记佩戴安全带的情况,造成安全隐患.常规的检测方法不能有效地检测安全带佩戴情况,为此引入深度学习的安全带佩戴检测方法.由于深度学习存在超参数敏感问题,因此引入深度迁移学习法.首先提出3种不同的Fine-tuning迁移学习方法,然后通过特殊的差分动态哈里斯鹰算法,在3种方法下构造的模型中进行超参数寻优,最后将超参数配置的模型应用到安全带佩戴检测的算法中.结果表明,差分动态哈里斯鹰算法可以很好地在数据集较少的情况下提供较高准确率.
文献关键词：
深度学习;迁移学习;安全带佩戴检测;差分动态哈里斯鹰算法
中图分类号：
作者姓名：
池招荣;樊云鹏;覃显南;赖璐璐;黄雅琴;卢晶晶
作者机构：
广西电网公司崇左供电局,广西崇左 532299
文献出处：
引用格式：
[1]池招荣;樊云鹏;覃显南;赖璐璐;黄雅琴;卢晶晶-.基于深度迁移学习的电力作业安全带佩戴检测)[J].通信电源技术,2022(15):158-160,163
A类：
差分动态哈里斯鹰算法
B类：
深度迁移学习,电力作业,作业安全,安全带佩戴检测,电力检修,检修作业,电力工人,忘记,成安,Fine,tuning,迁移学习方法,超参数寻优,参数配置,模型应用
AB值：
0.2351
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。
