在SSD（single shot multibox detector）模型基礎(chǔ)上,提出一種采用多特征融合及遞進(jìn)池化技術(shù)的煙霧實(shí)時(shí)檢測(cè)模型,用于對(duì)煙霧的實(shí)時(shí)檢測(cè),最終實(shí)現(xiàn)了火災(zāi)的前期預(yù)警.首先,采用MobileNet作為基礎(chǔ)網(wǎng)絡(luò),實(shí)現(xiàn)對(duì)煙霧圖像特征的逐層提取;然后利用遞進(jìn)池化技術(shù)實(shí)現(xiàn)對(duì)特征模型的壓縮,通過(guò)反卷積操作實(shí)現(xiàn)關(guān)鍵特征的向前融合,避免關(guān)鍵特征的損失;最后經(jīng)過(guò)1×1的卷積后對(duì)煙霧圖像中不同類型的特征進(jìn)行融合,借助SSD模型合并不同尺度特征的檢測(cè)框,使模型目標(biāo)框預(yù)測(cè)器統(tǒng)一,增強(qiáng)對(duì)模型正負(fù)樣本的判斷能力,實(shí)現(xiàn)對(duì)目標(biāo)的類別和位置做出準(zhǔn)確判斷.實(shí)驗(yàn)結(jié)果表明,所改進(jìn)的模型不僅能夠?qū)ΤＲ?guī)環(huán)境中的煙霧準(zhǔn)確檢測(cè),而且對(duì)不同光照和尺度的煙霧圖像檢測(cè)也取得了較好的效果. 

【文章來(lái)源】：信陽(yáng)師范學(xué)院學(xué)報(bào)(自然科學(xué)版). 2020,33(02)北大核心

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

基于SSD模型的火焰檢測(cè)模型

對(duì)不同尺度的遞進(jìn)池化特征只需使用一個(gè)預(yù)測(cè)器便可相對(duì)準(zhǔn)確地實(shí)現(xiàn)對(duì)輸入圖像的目標(biāo)檢測(cè)和分類；根據(jù)池化計(jì)算的特性，使用預(yù)訓(xùn)練的MobileNet V2模型[16]代替VGG，幫助模型對(duì)輸入圖像進(jìn)行特征提取，一定程度上減少了模型大小和計(jì)算量，增強(qiáng)了模型處理數(shù)據(jù)的實(shí)時(shí)性，避免因不同尺度的預(yù)測(cè)器根據(jù)局部數(shù)據(jù)和真值訓(xùn)練導(dǎo)致的參數(shù)過(guò)度校正，同時(shí)對(duì)預(yù)測(cè)標(biāo)準(zhǔn)實(shí)現(xiàn)有效統(tǒng)一，有效地避免目標(biāo)的誤檢和重復(fù)檢測(cè)，SSD模型改進(jìn)后的結(jié)構(gòu)如圖3所示．圖3 本文改進(jìn)后的火焰檢測(cè)模型

圖2 本文使用的遞進(jìn)池化方法SSD模型改進(jìn)后的結(jié)構(gòu)如圖3所示．輸入圖像經(jīng)過(guò)預(yù)處理將分辨率調(diào)整為300×300后，送入經(jīng)過(guò)大規(guī)模數(shù)據(jù)集預(yù)訓(xùn)練的MobileNet模型，經(jīng)過(guò)MobileNet連續(xù)三次3×3和1×1的卷積計(jì)算得到38×38×256的特征圖．不同于傳統(tǒng)SSD模型使用卷積操作降低特征尺度，本文使用2×2的平均池化遞進(jìn)地得到尺度為19×19、10×10、5×5、3×3、1×1的特征，在遞進(jìn)池化的同時(shí)，對(duì)每次得到的特征圖進(jìn)行卷積核大小為3×3，步長(zhǎng)和padding都為1的反卷積操作，使特征圖尺度變成平均池化操作后的兩倍，并且將其和池化前相同尺度的特征圖融合送入1×1的卷積核中．最后，通過(guò)遞進(jìn)池化計(jì)算得到的不同尺度特征共同送入煙霧檢測(cè)器中，得到檢測(cè)的煙霧位．

【參考文獻(xiàn)】：
期刊論文
[1]視頻煙霧檢測(cè)研究進(jìn)展[J]. 史勁亭,袁非牛,夏雪.  中國(guó)圖象圖形學(xué)報(bào). 2018(03)
[2]基于級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)的視頻動(dòng)態(tài)煙霧檢測(cè)[J]. 陳俊周,汪子杰,陳洪瀚,左林翼.  電子科技大學(xué)學(xué)報(bào). 2016(06)



本文編號(hào)：3371241