為提高煙霧識(shí)別準(zhǔn)確率,構(gòu)建模塊化深度卷積神經(jīng)網(wǎng)絡(luò),進(jìn)行煙霧圖像特征提取和識(shí)別。模塊化結(jié)構(gòu)使網(wǎng)絡(luò)架構(gòu)簡單而靈活,首先利用常見的深度卷積運(yùn)算設(shè)計(jì)基本模塊網(wǎng)絡(luò)結(jié)構(gòu),然后僅將模塊網(wǎng)絡(luò)與全連接層依次連接,即可構(gòu)建深度卷積神經(jīng)網(wǎng)絡(luò),使對煙霧圖像的表達(dá)更加具體。利用數(shù)據(jù)增強(qiáng)技術(shù)擴(kuò)充煙霧圖像訓(xùn)練數(shù)據(jù),從而緩解煙霧識(shí)別中常見的過擬合問題。實(shí)驗(yàn)結(jié)果表明,該方法在兩個(gè)測試集上分別達(dá)到了96.56%和98.82%的檢測率,驗(yàn)證了該方法的有效性。 

【文章來源】：軟件導(dǎo)刊. 2020,19(03)

【文章頁數(shù)】：4 頁

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的肺結(jié)節(jié)診斷識(shí)別研究[J]. 高喚,李秀娟.  軟件導(dǎo)刊. 2019(09)
[2]無人機(jī)平臺(tái)下的行人目標(biāo)檢測[J]. 徐斌,黎寧,朱含杉,徐智,周揮宇.  計(jì)算機(jī)與數(shù)字工程. 2019(08)
[3]雙通道卷積記憶神經(jīng)網(wǎng)絡(luò)文本情感分析[J]. 蘇靈松,應(yīng)捷,楊海馬,肖昊琪.  軟件導(dǎo)刊. 2019(07)
[4]面向煙霧識(shí)別與紋理分類的Gabor網(wǎng)絡(luò)[J]. 袁非牛,夏雪,李鋼,章琳,史勁亭.  中國圖象圖形學(xué)報(bào). 2019(02)
[5]基于HOG與卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別研究[J]. 顧江鵬,袁和金.  軟件導(dǎo)刊. 2019(03)
[6]基于監(jiān)督的全卷積神經(jīng)網(wǎng)絡(luò)視網(wǎng)膜血管分割[J]. 王娜,傅迎華,蔣念平.  軟件導(dǎo)刊. 2018(08)
[7]視頻煙霧檢測研究進(jìn)展[J]. 史勁亭,袁非牛,夏雪.  中國圖象圖形學(xué)報(bào). 2018(03)
[8]基于紋理特征和輪廓光流矢量的煙霧識(shí)別[J]. 張潔,吳愛國,趙萌.  傳感器與微系統(tǒng). 2016(06)
[9]視頻煙霧火災(zāi)探測技術(shù)研究趨勢[J]. 許峰,于春雨,徐放.  消防科學(xué)與技術(shù). 2012(11)
[10]基于小波變換和稀疏光流法的火災(zāi)煙霧檢測[J]. 姚太偉,王慧琴,胡燕.  計(jì)算機(jī)工程. 2012(06)



本文編號(hào)：2995063