基于轻型卷积神经网络的火焰检测方法

严云洋^1,2,3(),杜晨锡^1,2,刘以安²,高尚兵¹

1. 淮阴工学院计算机与软件工程学院, 江苏 淮安 223003
2. 江南大学物联网工程学院, 江苏 无锡 214122
3. 江苏海洋大学计算机工程学院, 江苏 连云港 222005

收稿日期:2019-07-25出版日期:2020-04-20发布日期:2020-04-16

作者简介:严云洋(1967—)，男，江苏淮安人，教授，博士，CCF会员，主要研究方向为数字图像处理,模式识别. E-mail：yunyang@hyit.edu.cn
基金资助:国家自然科学基金资助项目(61402192);江苏省“六大人才高峰”项目(2013DZXX-023);江苏省“青蓝工程”;淮安市“533英才工程”

Fire detection based on lightweight convolutional neural network

Yunyang YAN^1,2,3(),Chenxi DU^1,2,Yian LIU²,Shangbing GAO¹

1. Faculty of Computer & Software Engineering, Huaiyin Institute of Technology, Huaian 223003, Jiangsu, China
2. School of Internet of Things Engineering, Jiangnan University, Wuxi 214122, Jiangsu, China
3. School of Computer Engineering, Jiangsu Ocean University, Lianyungang 222005, Jiangsu, China

Received:2019-07-25Online:2020-04-20Published:2020-04-16


Supported by:国家自然科学基金资助项目(61402192);江苏省“六大人才高峰”项目(2013DZXX-023);江苏省“青蓝工程”;淮安市“533英才工程”

摘要/Abstract

摘要： 提出一种基于MobileNet的轻型火焰检测方法,基于深度分离卷积和膨胀卷积的膨胀卷积模块(dilated convolution block, DCB)扩增特征的感受野,加强特征语义信息,提高了视频火焰目标的检测率;优化SSD(Single Shot Multibox Detector)检测框架,提出了一种轻型的检测模型DMSSD(Dilated MobileNet-SSD)。在PASCAL VOC数据集和Bilkent大学VisiFire数据集上进行火焰检测试验,试验结果表明火焰检测的平均精度均值分别提升了1.7%和3.8%,火焰检测速度也可达80帧/s,具有较强的鲁棒性和实用性。


PDF全文下载地址:

http://gxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=1915