為提高煙霧識別準確率,構(gòu)建模塊化深度卷積神經(jīng)網(wǎng)絡,進行煙霧圖像特征提取和識別。模塊化結(jié)構(gòu)使網(wǎng)絡架構(gòu)簡單而靈活,首先利用常見的深度卷積運算設計基本模塊網(wǎng)絡結(jié)構(gòu),然后僅將模塊網(wǎng)絡與全連接層依次連接,即可構(gòu)建深度卷積神經(jīng)網(wǎng)絡,使對煙霧圖像的表達更加具體。利用數(shù)據(jù)增強技術(shù)擴充煙霧圖像訓練數(shù)據(jù),從而緩解煙霧識別中常見的過擬合問題。實驗結(jié)果表明,該方法在兩個測試集上分別達到了96.56%和98.82%的檢測率,驗證了該方法的有效性。 

【文章來源】：軟件導刊. 2020,19(03)

【文章頁數(shù)】：4 頁

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



本文編號：2995063