基于模块化深度卷积神经网络的烟雾识别

发布时间：2021-01-23 10:32

　　为提高烟雾识别准确率,构建模块化深度卷积神经网络,进行烟雾图像特征提取和识别。模块化结构使网络架构简单而灵活,首先利用常见的深度卷积运算设计基本模块网络结构,然后仅将模块网络与全连接层依次连接,即可构建深度卷积神经网络,使对烟雾图像的表达更加具体。利用数据增强技术扩充烟雾图像训练数据,从而缓解烟雾识别中常见的过拟合问题。实验结果表明,该方法在两个测试集上分别达到了96.56%和98.82%的检测率,验证了该方法的有效性。 

【文章来源】：软件导刊. 2020,19(03)

【文章页数】：4 页

【参考文献】：
期刊论文
[1]基于深度学习的肺结节诊断识别研究[J]. 高唤,李秀娟.  软件导刊. 2019(09)
[2]无人机平台下的行人目标检测[J]. 徐斌,黎宁,朱含杉,徐智,周挥宇.  计算机与数字工程. 2019(08)
[3]双通道卷积记忆神经网络文本情感分析[J]. 苏灵松,应捷,杨海马,肖昊琪.  软件导刊. 2019(07)
[4]面向烟雾识别与纹理分类的Gabor网络[J]. 袁非牛,夏雪,李钢,章琳,史劲亭.  中国图象图形学报. 2019(02)
[5]基于HOG与卷积神经网络的人脸识别研究[J]. 顾江鹏,袁和金.  软件导刊. 2019(03)
[6]基于监督的全卷积神经网络视网膜血管分割[J]. 王娜,傅迎华,蒋念平.  软件导刊. 2018(08)
[7]视频烟雾检测研究进展[J]. 史劲亭,袁非牛,夏雪.  中国图象图形学报. 2018(03)
[8]基于纹理特征和轮廓光流矢量的烟雾识别[J]. 张洁,吴爱国,赵萌.  传感器与微系统. 2016(06)
[9]视频烟雾火灾探测技术研究趋势[J]. 许峰,于春雨,徐放.  消防科学与技术. 2012(11)
[10]基于小波变换和稀疏光流法的火灾烟雾检测[J]. 姚太伟,王慧琴,胡燕.  计算机工程. 2012(06)



本文编号：2995063