基于Faster R-CNN模型的火焰检测

• 作者: 严云洋 刘以安 朱晓妤 高尚兵
• 来源期刊: 南京师大学报（自然科学版）
• 学科: 工学
• 关键词: Faster R-CNN 候选区域生成网络 快速区域卷积神经网络 火焰检测
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 人工智能算法与应用专栏
• 页码范围: 1-5
• 页数: 5页
• 分类号: TP391.41
• 字数: 3493字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-4616.2018.03.001

摘要

常规的火焰检测一般是提取火焰的静态或动态特征,然后进行火焰的判别.但是传统特征无法全面描述火焰特性,会导致识别的准确率降低.本文提出一种基于Faster R-CNN模型的火焰检测算法.首先利用候选区域生成网络(Region Proposal Network,RPN)提取火焰候选区域,然后对候选区域进行卷积及池化操作,提取火焰特征,最后利用联合训练的快速区域卷积神经网络(Fast R-CNN)进行火焰识别.实验结果表明该方法能够自动提取火焰特征,有效提高复杂背景下的火焰识别的准确率,具有良好的泛化能力和鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘以安	江南大学物联网工程学院	114	862	15.0	23.0
2	严云洋	淮阴工学院计算机与软件工程学院	80	560	13.0	19.0
4	高尚兵	淮阴工学院计算机与软件工程学院	55	294	9.0	15.0
7	朱晓妤	淮阴工学院计算机与软件工程学院	2	14	2.0	2.0