首页|三通道拟合的改进卷积神经网络林火识别算法

三通道拟合的改进卷积神经网络林火识别算法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对森林火灾背景复杂,图像拟合方式欠佳,使特征描述不充分而导致卷积神经网络(CNN)识别率低,卷积核随机初始化导致迭代次数增多等问题,提出了一种三通道拟合的改进卷积神经网络林火识别算法.通过调整三原色(RGB)三通道比例拟合样本图像,寻求火焰和背景对比度最大的优化参数组合,以解决识别率降低的问题;同时采用主成分分析(PCA)算法初始化卷积核来改进模型,提高迭代速率.实验结果表明:所提算法能有效地提高识别率,加快迭代速度,识别率达98.5％.
Improved CNN based on three-channel fitting for forest fire recognition algorithm

张海波、赵运基、张新良

展开 >

河南理工大学电气工程与自动化学院,河南焦作454000

森林火灾识别 参数拟合 卷积神经网络 主成分分析 卷积核

国家自然科学基金面上项目河南省高等学校重点科研项目河南省科技创新人才杰出青年项目

6157313016A413009164100510004

2020

10.13873/J.1000-9787(2020)11-0134-03

传感器与微系统
中国电子科技集团公司第四十九研究所

传感器与微系统

CSTPCDCSCD北大核心
影响因子：0.61
ISSN：1000-9787
年,卷(期)：2020.39(11)
  • 4
  • 7