基于数据增强的卷积神经网络火灾识别

作者：吴雪; 宋晓茹; 高嵩^*; 陈超波

来源：科学技术与工程, 2020, 20(03): 1113-1117.

• 特征提取
• 深度学习
• 数据增强
• 火灾识别

当前图像识别采用的普遍方法是卷积神经网络方法,但该方法依赖于大数据集,在样本不足时会出现过拟合问题。针对以上问题,根据火灾的背景复杂性和卷积神经网络自动学习特征的优点,提出一种基于数据增强的卷积神经网络火灾识别方法。对少量火灾图片引入数据增强技术,通过搭建一个3层卷积池化层和一个全连接层自动提取火灾特征,使用softmax分类器输出。仿真实验结果表明:原始数据测试集的识别率为95%,损失值发散,提出方法使测试集损失值收敛到0.2,改善了过拟合的问题;对数据增强减少过拟合的原因进行分析,表明对小样本使用卷积神经网络具有重要意义。

• 单位
  电子信息工程学院; 西安工业大学