改进的多尺度火焰检测方法

网络层数的加深会造成对火焰目标深层特征细节信息表征能力减弱,同时提取了低相关度的冗余特征,导致火焰识别精度不高。针对该问题,提出了一种基于改进Faster R-CNN的火焰检测方法,以提高在深层网络下的火焰识别精度。首先利用ResNet50网络提取火焰特征,并添加SENet模块降低火焰目标冗余特征;然后将深层特征和浅层特征进行多尺度特征融合,增强深层特征的细节信息;最后训练网络,实现对火焰目标的识别定位。实验通过构建VOC火焰数据集进行网络训练,使用测试集进行检测,并进行特征图可视化对比,相比于改进前模型,本文模型平均精度提高了7.78%,召回率提高了9.05%,精确率提高了12.54%。本文提出的火焰目标检测模型,通过结合注意力机制模块和多尺度特征融合机制,能够有效进行火焰目标特征提取,火焰目标的检测结果更加准确。