科研之友
微信
新浪微博
Facebook
分享链接
摘要
【目的】针对大多野火预警下多用烟雾或红外传感器检测，且这些传感器在大型开放式的空间下，容易收到环境的影响，从而很难进行开放场所的精准火灾预警，而优越的火焰检测模型往往存在过多的参数量，且存在结构冗余的问题，提出一种改进的VGG深度卷积网络架构。【方法】为了增强特征精度，以映射变换为基础，进行像素值调整；为了得出最佳的网络模型，且在保证分类精度的前提下，采用L1正则化保证稀疏性，并基于BN层进行结构化剪枝，从而降低模型储存数据量，得到精简的模型。【结果】大量的仿真试验结果表明：该方法在不同剪枝比例下针对野火架构的数据集上，检测与勘误率依然能够保持高的准确精度，改进的模型在剪枝率为80%时，准确率达到了95.29%，提升了0.92%，并有效的解决了模型过参数化的问题，最后，通过不同的微调训练后，模型精度略微超过了没有进行剪枝时的模型，且在参数量上少了近二十倍，并随着剪枝率的上升，模型的检测效果在原有的精度水平基础之上没有明显的下降，甚至略高于原始模型精度，这说明了在训练过程中，有大量的冗余权重。【结论】该方法可以大幅度的缩减模型的储存量，并可保证较高的分类精度，具有较好的实际应用意义，可以应用在神经网络存储计算能力较弱的嵌入式设备中。
- 单位
