深度学习的MPCANet火灾图像识别模型设计
针对火灾发生时,火灾图像背景复杂、人工特征提取过程繁琐、对火灾图像的识别泛化能力不强、容易出现精度不高、误报和漏报等问题,提出了张量对象特征提取的多线性主成分分析(Multilinear Principal Component Analysis, MPCA) 深度学习算法的火灾图像识别新方法.利用MPCANet建立火灾图像识别模型,通过MPCA算法学习滤波器作为深度学习网络卷积层卷积核,对张量对象的高维图像进行特征提取,并把蜡烛图像和烟花图像作为干扰.通过仿真实验并与其他火灾图像识别方法对比得到提出的图像识别方法识别精度达到了97.5%、误报率1.5%、漏报率1%.实验表明:该方法可以有效解决火灾图像识别存在的问题.
深度学习、MPCANet、张量对象分析、火灾图像识别
47
TP183(自动化基础理论)
河北省自然科学基金-钢铁联合研究基金E2015203354;河北省高校创新团队领军人才培育计划项目LJRC013;河北省教育厅科学研究计划河北省高等学校自然科学研究重点项目ZD2016100;2016年燕山大学基础研究专项课题理工类培育课题16LGY015;秦皇岛市科技局自筹项目201703A229
2018-03-20(万方平台首次上网日期,不代表论文的发表时间)
共6页
40-45