一种改进的林火实例分割深度学习模型

作者：张昕; 管志浩^*

来源：福建电脑, 2021, 37(12): 8-11.

DOI：10.16707/j.cnki.fjpc.2021.12.002

• 林火识别
• 实例分割
• 卷积神经网络
• 深度学习

林火识别是森林防火中的关键环节,对于早期火灾扑救和森林资源保护具有重要意义。本文提出了一种利用卷积神经网络对林火进行实例分割的模型。相比于原始模型Mask R-CNN,该模型的主要变化如下:(1)对主干特征提取网络和掩膜生成网络进行重构;(2)简化了目标分类和边界框回归的过程;(3)将非极大值抑制算法替换为新的区域分组和滤波算法。在本研究中,使用了5000张林火图像及其手动分割生成的掩膜。大量实验结果表明:所提出的优化模型在略微降低m IoU(81.44%)和m AP(60.52%)的情况下,能够大幅度提高识别效率(9FPS)。因此,本文的模型可以较好地实现对林火进行实例分割,并为相关技术提供参考和借鉴。

• 单位
  南京林业大学