基于混合卷积神经网络的火灾识别研究

来源：计算机技术与发展杂志2020年第07期北京时间：

作者：熊卫华*;任嘉锋;吴之昊;姜明

摘要：图像识别是实现火灾预警的重要手段之一。 针对传统方法存在的检测精度低、难以识别小目标等问题,提出了一种基于混合卷积神经网络(CNN) 的火灾识别方法。 为了丰富模型提取的特征信息,充分利用不同尺度下的特征,文中提出的混合网络结构( HybridNet) 包含两路特征提取器。首先,通过其中一路特征提取器提取图像中的深层语义信息, 另一路特征提取器提取图像的浅层上下文信息, 通过池化操作使两路特征提取器提取的特征图大小得以匹配。 为了进一步实现特征之间的融合,提高模型的小目标识别性能,通过自编码器对特征进行降维处理,剔除冗余信息保留关键特征, 实现多尺度特征的融合。 最后,融合特征经过分类器得到分类结果。 实验结果表明,提出的混合 CNN 优于现有的识别方法,在FireDetectData 和 Mivia 数据集上分别取得了 96.82% 和 97.96% 的准确率。

关键词：机器视觉;火灾识别;混合网络;特征提取网络;特征融合