基于区域全卷积网络结合残差网络的火焰检测方法

作     者：洪伟 李朝锋 Hong Wei;Li Chaofeng

作者机构：江南大学物联网工程学院江苏无锡214122 

基　　金：国家自然科学基金(61771223) 

出 版 物：《激光与光电子学进展》 (Laser & Optoelectronics Progress)

年 卷 期：2018年第55卷第4期

页      码：162-167页

摘      要：传统的火焰检测方法大多基于火焰的物理信号手动设计火焰特征,根据其使用模式进行识别。这类方法容易被外部环境干扰,且手动设计的火焰特征泛化性不强,当火焰形态或场景变化剧烈时,会降低识别精度。针对这一问题,提出了一种基于区域全卷积网络(R-FCN)结合残差网络(ResNet)的深度学习方法对火焰进行检测。通过特征提取网络自动提取特征,利用R-FCN确定火焰位置,并使用ResNet对该位置的火焰进行二次分类,以进一步降低误报率。该方法实现了端到端自动获取火焰特征并进行相应检测的过程,省去了传统火焰特征提取的过程。本文方法在Bilkent大学的火焰视频数据集上平均识别精度达到98.25%。

主 题 词：图像处理 火焰检测 深度学习 区域全卷积网络 残差网络 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3788/LOP55.041011

馆 藏 号：203289170...