基于深度神经网络技术的台标识别模型设计与训练

作者：姬翔

来源：广播与电视技术, 2022, 49(10): 24-28.

DOI：10.16171/j.cnki.rtbe.20220010002

• 内容监管
• 台标识别
• 深度神经网络
• 目标检测
• 人工智能
• PaddlePaddle

在监测监管工作中，为了快速、准确检测识别电视节目的播出机构，基于传统图像识别算法的台标识别工具得到广泛应用。随着图像视觉技术的快速发展，深度神经网络技术在近几年的图像识别大赛中大放异彩，相较于传统算法表现出更高的准确性和泛化性。本文基于深度神经网络技术详细论述了台标识别模型的设计与训练，通过尝试比较不同的网络结构、算法、训练超参数和训练集，最终训练出适合业务场景的识别模型。测试结果表明，该模型可以在不同场景中准确、高效地识别各种变形、半透明等传统算法难以准确识别的台标，具备很高的实用价值。