基于混合卷积神经网络的火灾识别研究

• 作者: 任嘉锋 吴之昊 姜明 熊卫华
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 机器视觉 火灾识别 混合网络 特征提取网络 特征融合
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 安全与防范
• 页码范围: 81-86
• 页数: 6页
• 分类号: TP391.4
• 字数: 4494字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2020.07.018

摘要

图像识别是实现火灾预警的重要手段之一.针对传统方法存在的检测精度低、难以识别小目标等问题,提出了一种基于混合卷积神经网络(CNN)的火灾识别方法.为了丰富模型提取的特征信息,充分利用不同尺度下的特征,文中提出的混合网络结构(HybridNet)包含两路特征提取器.首先,通过其中一路特征提取器提取图像中的深层语义信息,另一路特征提取器提取图像的浅层上下文信息,通过池化操作使两路特征提取器提取的特征图大小得以匹配.为了进一步实现特征之间的融合,提高模型的小目标识别性能,通过自编码器对特征进行降维处理,剔除冗余信息保留关键特征,实现多尺度特征的融合.最后,融合特征经过分类器得到分类结果.实验结果表明,提出的混合CNN优于现有的识别方法,在FireDetectData和Mivia数据集上分别取得了96.82％和97.96％的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姜明	杭州电子科技大学计算机学院	44	555	11.0	22.0
2	熊卫华	浙江理工大学机械与自动控制学院	17	18	2.0	3.0
3	任嘉锋	浙江理工大学机械与自动控制学院	3	0	0.0	0.0
4	吴之昊	浙江理工大学机械与自动控制学院	4	0	0.0	0.0