工业视频往往包含重要的工艺、工况信息,针对各种信息采取不同的措施可以有效提高生产效率。如果可以直接从原始视频中学习,我们将能够提取出无法设计的分类有效的新特征,并且这种新特征可以提高分类性能。本文设计了一种基于主动增强(Based on Active Enhancement,BAE)的工业视频分类方法。首先,建立基于能量的时空ConvNet模型捕获视频序列不同尺度的时空特征,并利用Langevin算法合成新的视频序列;其次,利用合成视频与输入视频的混合数据集训练分类器;最后,将视频分类结果转换为视频的重要性权重,通过对输入视频重采样指导ConvNet模型的生成结果。本文以电熔镁炉6类工况视频为例,验证了所设计的基于主动增强的生成ConvNet分类模型不仅提高了视频分类的精确性,而且提升了分类器的收敛速率。
暂无评论