基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对火灾视频中复杂背景环境下火焰识别问题,提出了一种基于迁移学习的火焰图像智能识别方法.采用以深度学习预训练的模型为基础并经过迁移学习作为特征提取器提出特征,而后进行特征融合并结合传统机器学习分类器方法进行识别的流程.在所提出的流程中采用逻辑回归和Xgboost两种机器学习算法作为最终分类器进行了实验,结果表明识别准确率得到较大的提升.最终识别时只需要输入原始图片,就能够自动得出识别结果,在火灾视频中复杂环境下的火焰识别方面取得了很好的效果.
推荐文章
基于深度学习的图像识别技术研究综述
图像识别
CNN
R-CNN
SPP-Net
FastR-CNN
基于自适应学习的特征图像识别技术研究
特征图像
相似度
学习
自适应
一种利用迁移学习训练卷积神经网络的声呐图像识别方法
声呐成像
目标自动识别
卷积神经网络
迁移学习
基于Hadoop平台下SVM的图像识别技术
Hadoop平台
图像识别
SVM
云计算
加速比
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于迁移学习的火焰图像识别技术研究
来源期刊 高技术通讯 学科
关键词 火焰图像识别 深度学习 迁移学习 机器学习 特征提取
年,卷(期) 2019,(3) 所属期刊栏目 先进制造与自动化
研究方向 页码范围 274-282
页数 9页 分类号
字数 5767字 语种 中文
DOI 10.3772/j.issn.1002-0470.2019.03.009
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 白勇 海南大学信息科学技术学院 31 85 4.0 7.0
2 黎传琛 海南大学信息科学技术学院 1 0 0.0 0.0
3 陈益民 海南大学信息科学技术学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (4)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
火焰图像识别
深度学习
迁移学习
机器学习
特征提取
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
高技术通讯
月刊
1002-0470
11-2770/N
大16开
北京市三里河路54号
82-516
1991
chi
出版文献量(篇)
5099
总下载数(次)
14
总被引数(次)
39217
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导