基于多任务学习的火灾检测算法

来源：计算机技术与发展杂志2023年第01期北京时间：

作者：吕鹏;曹江涛;姬晓飞*

单位：1. 辽宁石油化工大学 信息与控制工程学院,辽宁 抚顺 113001;2. 沈阳航空航天大学 自动化学院,辽宁 沈阳 110136

摘要：烟雾和火焰是相辅相成的,在火焰检测中充分利用火焰和烟雾的内在关系,将更好地提高火灾检测的准确性。 目前,大多数的火灾检测算法只关注烟雾或火焰两者间的某一个任务来设计检测算法。 该文提出了一种基于多任务学习的火灾检测算法。 首先,将 RGB 视频序列作为网络的输入,运用 CNN 网络与 LSTM 网络提取空间特征和时序特征。 然后,设计生成对抗网络将特征空间划分为共享特征空间和私有特征空间两个部分,共享特征空间用于提取烟雾和火焰内在联系中的共享特征,私有特征空间用于提取烟雾和火焰各自的私有特征。 最终,将上述两部分特征通过 concat 方式结合,送到全连接层与 softmax 中,得到最终的识别结果。 将多任务学习应用于火灾检测,其优势在于充分考虑到火灾发生时烟雾与火焰之间的关联性,利用这种关联性丰富烟雾与火焰的特征语义信息,进而提高检测的准确性。 实验结果表明,在烟雾检测的准确率上提升 2. 2% ,火焰检测的准确率上提升 1. 4% ,提出的多任务学习模型性能上优于单任务学习模型。

关键词：深度学习;多任务学习算法;生成对抗网络;卷积神经网络;长短时记忆网络