基于Faster R-CNN模型的火焰检测

作者：严云洋^*; 朱晓妤; 刘以安; 高尚兵

来源：南京师大学报(自然科学版), 2018, 41(03): 1-5.

• Faster R-CNN
• 候选区域生成网络
• 快速区域卷积神经网络
• 火焰检测

常规的火焰检测一般是提取火焰的静态或动态特征,然后进行火焰的判别.但是传统特征无法全面描述火焰特性,会导致识别的准确率降低.本文提出一种基于Faster R-CNN模型的火焰检测算法.首先利用候选区域生成网络(Region Proposal Network,RPN)提取火焰候选区域,然后对候选区域进行卷积及池化操作,提取火焰特征,最后利用联合训练的快速区域卷积神经网络(Fast R-CNN)进行火焰识别.实验结果表明该方法能够自动提取火焰特征,有效提高复杂背景下的火焰识别的准确率,具有良好的泛化能力和鲁棒性.

• 单位
  淮阴工学院; 江南大学