收藏本站
《激光与光电子学进展》 2018年04期
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于区域全卷积网络结合残差网络的火焰检测方法

洪伟  李朝锋  
【摘要】:传统的火焰检测方法大多基于火焰的物理信号手动设计火焰特征,根据其使用模式进行识别。这类方法容易被外部环境干扰,且手动设计的火焰特征泛化性不强,当火焰形态或场景变化剧烈时,会降低识别精度。针对这一问题,提出了一种基于区域全卷积网络(R-FCN)结合残差网络(ResNet)的深度学习方法对火焰进行检测。通过特征提取网络自动提取特征,利用R-FCN确定火焰位置,并使用ResNet对该位置的火焰进行二次分类,以进一步降低误报率。该方法实现了端到端自动获取火焰特征并进行相应检测的过程,省去了传统火焰特征提取的过程。本文方法在Bilkent大学的火焰视频数据集上平均识别精度达到98.25%。
【作者单位】江南大学物联网工程学院
【基金】:国家自然科学基金(61771223)
【分类号】:TP391.41;X932

【相似文献】
中国期刊全文数据库 前1条
1 夏建春;陆旭明;;煤炭燃烧火焰检测的通讯设计[J];煤炭技术;2013年10期
中国知网广告投放
相关期刊
>煤炭技术
相关机构
>常州纺织服装职业技术学院...
相关作者
>夏建春 >陆旭明
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026