基于改进YOL0v5的电力高空作业现场危险行为识别
打开文本图片集
在高空作业过程中，工人的不安全行为是造成事故的重要因素，其不安全心理或不良身体状态也会造成意外。因此，对危险行为进行辨识研究已成为当务之急。
高治军等[搭建CNN-LSTM双流融合网络框架，通过卷积神经网络（CNN）对危险行为影像进行空间特征提取，对影像中重要的视觉信息进行深度挖掘。但建模过程中存在海量的、有标签且精确的危害行为数据，而真实环境下的危害行为数据采集与标记面临高成本、高难度等问题，容易造成样本数量不足或标注错误，从而降低了模型性能。（剩余4386字）
