针对现有的基于卷积神经网络的火灾探测模型无法做到精度高与参数量小兼顾，并且容易对颜色似火的物体产生误判的问题，提出了一种利用火焰的颜色特征提高模型抗干扰能力的方法，主要是通过增加模型对蓝色通道的关注度来提高模型的抗干扰能力；同时，利用一种训练方案大幅度减少了模型的参数量和训练时间，主要是通过知识蒸馏对模型进行压缩，以促进其在移动终端或嵌入式设备上的部署．结果表明：使用该方法训练出来的模型，参数量减少了7/8，误报率减少了6.53%，精度增加了2.42%，实现了精度高和参数量小兼顾．
科研之友
微信
新浪微博
Facebook
分享链接
