基于混合卷积神经网络的火灾识别研究

作者：熊卫华; 任嘉锋; 吴之昊; 姜明

来源：计算机技术与发展, 2020, 30(07): 81-86.

• 机器视觉
• 火灾识别
• 混合网络
• 特征提取网络
• 特征融合

图像识别是实现火灾预警的重要手段之一。针对传统方法存在的检测精度低、难以识别小目标等问题,提出了一种基于混合卷积神经网络(CNN)的火灾识别方法。为了丰富模型提取的特征信息,充分利用不同尺度下的特征,文中提出的混合网络结构(HybridNet)包含两路特征提取器。首先,通过其中一路特征提取器提取图像中的深层语义信息,另一路特征提取器提取图像的浅层上下文信息,通过池化操作使两路特征提取器提取的特征图大小得以匹配。为了进一步实现特征之间的融合,提高模型的小目标识别性能,通过自编码器对特征进行降维处理,剔除冗余信息保留关键特征,实现多尺度特征的融合。最后,融合特征经过分类器得到分类结果。实验结果表明,提出的混合CNN优于现有的识别方法,在FireDetectData和Mivia数据集上分别取得了96.82%和97.96%的准确率。

• 单位
  杭州电子科技大学; 浙江理工大学