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.
国家科技期刊平台
NSTL
维普
万方数据