复杂场景下基于CNN的轻量火焰检测方法

作     者：李欣健 张大胜 孙利雷 徐勇 LI Xinjian;ZHANG Dasheng;SUN Lilei;XU Yong

作者机构：哈尔滨工业大学(深圳)计算机科学与技术学院深圳518055 哈尔滨工业大学(深圳)深圳市目标检测与判别重点实验室深圳518055 重庆理工大学两江人工智能学院重庆401135 贵州大学计算机科学与技术学院贵阳550025 

出 版 物：《模式识别与人工智能》 (Pattern Recognition and Artificial Intelligence)

年 卷 期：2021年第34卷第5期

页      面：415-422页

核心收录：

学科分类：08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：深圳市科技计划项目(No.ZDSYS20190902093015527)资助 

主　　题：火焰检测 目标检测 YOLO算法 数据增强 深度可分离卷积 

摘      要：已有的火灾检测方法往往依赖高性能的机器,在嵌入式端和移动端检测速度较慢、误检率较高,尤其是无法解决小尺度火焰漏检问题.针对上述问题,文中提出基于YOLO的火焰检测方法.使用深度可分离卷积改进火焰检测模型的网络结构,并使用多种数据增强技术与基于边框的损失函数以提高精度.通过参数调优,在保证检测准确率的情况下,实现在嵌入式移动系统上21 ms的实时火灾探测.实验表明,文中方法在火焰数据集上的精度和速度都有所提高.