科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对目前薄雾森林火灾识别高误报的问题，从数据层面提出中心点生成雾化粒子的人工合成数据方法；从算法层面提出结合通道注意力ECA模块和反向注意力RA模块的ER-ShuffleNet。ER-ShuffleNet平均识别精度为97.84%,平均误报率为2.041%。在相同训练样本及参数设置下，将ER-ShuffleNet与其他先进方法转换HSV颜色空间和迁移学习对比，结果表明ER-ShuffleNet在薄雾森林火灾识别上具有显著优势。ER-ShuffleNet能够充分挖掘通道信息，并能使网络关注次显著目标，丰富识别目标与特征的映射关系，能够较好识别薄雾森林火灾中易混淆目标。
- 单位
