-
题名改进的多尺度火焰检测方法
被引量:9
- 1
-
-
作者
侯易呈
王慧琴
王可
-
机构
西安建筑科技大学信息与控制工程学院
-
出处
《液晶与显示》
CAS
CSCD
北大核心
2021年第5期751-759,共9页
-
基金
陕西省科技厅国际科技合作计划项目(No.2020KW-012)
陕西省教育厅重点项目高端智库(No.18JT006)
西安市科技局项目(No.GXYD10.1)。
-
文摘
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。
-
关键词
目标检测
卷积网络
多尺度特征融合
Faster
R-CNN
SENet
-
Keywords
target detection
convolutional network
multi-scale feature fusion
Faster R-CNN
SENet
-
分类号
TP394.1
[自动化与计算机技术—计算机应用技术]
TH691.9
[机械工程—机械制造及自动化]
-