基于卷积神经网络的火焰识别

作者：段锁林; 刘福; 高仁洲; 王一凡; 潘礼正

来源：计算机工程与设计, 2019, 40(11): 3288-3298.

DOI：10.16208/j.issn1000-7024.2019.11.038

• 卷积神经网络
• 特征提取
• 火焰识别
• 多通道输入
• Relu函数

针对卷积神经网络在火焰识别应用中受复杂环境背景影响无法充分提取火焰特征的问题,提出一种多通道输入结合策略。在网络输入层,根据LMDB数据源制作过程中提供的火焰区域坐标获取火焰区域,对火焰区域的RGB这3个通道图像分别做灰度和二值化处理,结合形成9通道的三维数据作为网络的输入;提出一种改进的Relu激活函数,使用两个参数分别控制正负区域斜率,弥补原Relu函数负区域为0强制引入稀疏性的缺点,通过减小Relu正区域斜率,平衡特征数量,降低过拟合风险。实验中重新构建卷积神经网络模型,设置网络参数,通过实验获取最佳Relu改进参数,实验结果表明,该方法对火焰识别精度有显著提高。

• 单位
  常州纺织服装职业技术学院; 常州大学