基于优化Inception V1的视频火焰超像素检测方法

Deng Jun,Yao Hanwen,Wang Weifeng,Li Zhao,Liang Ce

LASER & OPTOELECTRONICS PROGRESS（2021）

引用 0|浏览3

暂无评分

摘要

针对传统火焰检测模型的检测准确度较低和速度慢等问题,提出一种优化的卷积神经网络和超像素分割算法的视频火焰区域检测方法.首先使用火焰图像数据集对模型进行训练和验证,采用卷积核堆叠替换的方法改进Inception模块的结构;其次采用小卷积核替换的方法改进网络的前端结构,并将Focal-Loss函数作为损失函数以提高模型的泛化能力;然后设计Inception V1模型的参数复杂度优化实验,生成优化的火焰检测网络结构;最后将超像素分割算法提取的火焰超像素语义信息输入优化的Inception V1模型中,并进一步执行视频火焰区域的定位检测.实验结果表明,所提方法能够增强视频火焰的非线性特征提取能力,火焰检测准确度高于96％,检测速度较原始模型提升2.66倍.

查看译文

关键词

image processing, fire detection, convolutional neural network, convolution kernel stack replacement, parameter complexity optimization, super-pixel localization

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要