基于双通道深度CNN的烟雾浓度测量方法

• 作者: 莫鸿飞 谢振平
• 来源期刊: 模式识别与人工智能
• 关键词: 烟雾浓度 深度卷积神经网络 深度学习 烟雾化方程 注意力机制
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: "深度学习算法及在图像与视觉的应用"专题|Deep Learning Algorithms and the Applications in Image and Vision
• 页码范围: 844-852
• 页数: 9页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.16451/j.cnki.issn1003-6059.202109007

摘要

现有基于视频图像测量烟雾浓度的方法主要通过人工提取特征,需要已知环境的大气光、背景等外界条件.为了提高烟雾浓度测量方法的直接性和实用性,文中通过烟雾化方程,建立烟雾图像与其浓度数值的对应关系,进而提出基于双通道深度卷积神经网络(DCCNN)的烟雾浓度测量方法,实现端到端的烟雾浓度直接测量.DC-CNN中采用1伊1卷积进行通道数据融合,引入跳跃连接解决网络层数较深时梯度消失问题,加快训练过程.同时引入自注意力机制,自动学习隐含特征的重要程度,再合并两个通道提取的特征,获得综合测量结果.实验表明,DCC-NN测量烟雾浓度的平均绝对误差较低,综合性能较优.