摘要
火焰前期一般多为小目标,但一般的火焰检测方法对于小目标的检测能力较差.为检测早期火焰,提高火灾预防能力,提出了一种融合多级特征的视频火焰检测方法,针对下采样分辨率变小导致丢失目标的问题,引入了反卷积模块,并融合深层具有较强语义信息的特征和浅层具有较强细节信息的特征,从而有效提高了火焰的检测率.所提算法在Bilkent大学火灾数据库VisiFire数据集上进行的实验表明,mAP相较于Yolov2提高了10.0%,与多种经典的深度学习算法模型相比,检测率更高.
-
单位淮阴工学院