基于深度迁移学习的电力作业安全带佩戴检测
Computer Simulation（2022）
摘要
在高空电力检修作业中会出现工人未按规定佩戴安全带的情况,存在严重的安全隐患.为此提出基于深度学习的安全带佩戴检测方法,针对深度学习中存在的样本依赖与超参数敏感问题,引入迁移学习以及群优化算法.首先通过重构预训练残差网络的卷积层与全连接层提出三种不同Fine-tuning迁移学习方法,再提出差分动态哈里斯鹰优化算法对三种方法构造的模型在自构建数据集上训练并进行超参数寻优,最后将超参数配置的模型应用到安全带佩戴检测中.仿真结果证明,差分动态哈里斯鹰算法可以实现较好的超参数寻优效果,并且在数据集较少的情况下该方法也能实现较高准确率的检测效果.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要