發(fā)布時間：2021-02-08 22:21

　　煙霧檢測作為火災(zāi)預(yù)警的先驗技術(shù)手段,對于現(xiàn)代智能消防系統(tǒng)至關(guān)重要。然而煙霧圖像場景模糊,背景復(fù)雜多變,實現(xiàn)快速準確的煙霧檢測識別一直是學(xué)者們的研究目標。隨著計算機視覺與圖像處理技術(shù)的快速發(fā)展,近年來不斷涌現(xiàn)出基于深度學(xué)習(xí)的煙霧檢測檢測算法。相較于傳統(tǒng)的點式傳感器預(yù)警系統(tǒng),其在準確率和應(yīng)用范圍上取得了突破性的進展,為火災(zāi)預(yù)警提供了可靠的技術(shù)保障。盡管當前的煙霧檢測算法在準確率上取得了一定的成績,但不容樂觀的是,大多數(shù)算法存在計算復(fù)雜度高、耗時較長、誤報率和漏報率居高不下等問題。本文由此對煙霧檢測算法的優(yōu)化進行了一系列探索研究。論文提出了一種端到端的輕量級卷積網(wǎng)絡(luò)SInception,該網(wǎng)絡(luò)首先對GoogLeNet中的Inception結(jié)構(gòu)進行調(diào)整,在保留低計算量特性的同時提高煙霧檢測準確率,隨后針對Sequeeze-and-Excitation block進行優(yōu)化,將其與調(diào)整后的SInception結(jié)構(gòu)結(jié)合,對特征圖中的通道權(quán)重進行自動分配,幫助網(wǎng)絡(luò)提高特征表達能力。論文利用數(shù)據(jù)集YUAN進行訓(xùn)練,該算法檢測準確率達到98.68%,檢測率為96.94%,誤檢率為0,檢測速度僅為0.2ms... 

【文章來源】：西南交通大學(xué)四川省 211工程院校 教育部直屬院校

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【部分圖文】：

LeNet-5卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

2.2.1 VGGNet2014 年 牛 津 大 學(xué) 計 算 機 視 覺 組 和 Google DeepMind 公 司 共 同 研 發(fā) 出VGGNet(Visual Geometry Group)[18]，通過重復(fù)堆疊若干個 3×3 卷積內(nèi)核和 2×2 的最大池化層，成功構(gòu)建出 16~19 層的深度卷積神經(jīng)網(wǎng)絡(luò)。實驗證明了卷積神經(jīng)網(wǎng)絡(luò)的深度增加和小卷積核的使用能夠有效提升網(wǎng)絡(luò)的最終分類識別效果，錯誤率大大降低，可擴展性非常強，并且遷移到其它圖像樣本時也表現(xiàn)出良好的魯棒性。VGGNet 的網(wǎng)絡(luò)結(jié)構(gòu)第一次在接近輸入層的卷積層中使用了 3×3 的卷積，之前的LeNet 相信大的卷積核能夠提取圖像中相似的特征，因此在網(wǎng)絡(luò)底層使用了 9×9 或 11×11 的大卷積核。VGG 網(wǎng)絡(luò)中使用多個 3×3 的卷積核來模擬大卷積核對樣本的局部感知，該操作最突出的優(yōu)點在于可以大規(guī)模減少參數(shù)，例如 9×9 的卷積核需要 81 個權(quán)重參數(shù)，而 3×3 的卷積核只需要 9 個權(quán)重參數(shù)。參數(shù)減少，運算時間也會成比例減少。之后的 GoogleNet，ResNet 等網(wǎng)絡(luò)也借鑒了這一思想。圖 2-2 為 VGGNet 的網(wǎng)絡(luò)結(jié)構(gòu)。

圖 2-3 Inception 基本結(jié)構(gòu)[19]圖 2-3 顯示了 Inception 基本組成單元，它將深度卷積神經(jīng)網(wǎng)絡(luò)中常用的卷積(1×1，3×3，5×5)、池化操作(3×3)結(jié)合在一起。這樣設(shè)計 Inception 網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)點在于：網(wǎng)絡(luò)能夠?qū)W習(xí)到輸入樣本的所有特征，同時 5x5 的卷積層也能夠覆蓋大部分輸入層，最后進行的池化操作主要用于減小空間并降低過度擬合。但是這樣的結(jié)構(gòu)堆疊了一個池化層和三個卷積層，使得模塊整體的計算量大幅度增加，處理速度相對較慢，還可能引起梯度爆炸。因此 Szegedy 修改了內(nèi)部計算邏輯

【參考文獻】：
期刊論文
[1]基于深度學(xué)習(xí)的煙霧識別研究[J]. 王濤,宮寧生,蔣貴祥.  電子技術(shù)應(yīng)用. 2018(10)
[2]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(xué)報. 2018(03)
[3]基于級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)的視頻動態(tài)煙霧檢測[J]. 陳俊周,汪子杰,陳洪瀚,左林翼.  電子科技大學(xué)學(xué)報. 2016(06)
[4]基于顏色增強變換和MSER檢測的煙霧檢測算法[J]. 李筍,石永生,汪渤,周志強,王海羅.  北京理工大學(xué)學(xué)報. 2016(10)
[5]利用多特征判別的煙霧檢測方法研究[J]. 史玉坤,仲貞,張德馨,楊金鋒.  信號處理. 2015(10)
[6]用兩層分類算法進行視頻煙霧檢測[J]. 仝伯兵,王士同.  計算機科學(xué). 2015(03)
[7]視頻檢測煙霧的研究現(xiàn)狀[J]. 羅勝,Jiang Yuzheng.  中國圖象圖形學(xué)報. 2013(10)



本文編號：3024618