10.11896/j.issn.1002-137X.2019.06.045
基于YOLOv2的视频火焰检测方法
一般火焰检测方法由于对复杂场景的应变能力较差,因此检测率较低.文中提出了一种基于改进的YOLOv2网络的深度学习火焰检测方法,来自动提取火焰特征;同时,针对特征提取过程中信息丢失的问题,采用聚类选取候选框,以多尺度特征融合的方法融合高层与浅层特征信息,进一步提高了模型的检测率.在Bilkent大学火焰视频数据集上的实验结果表明,该方法的平均正检率达到了98.8%,检测速率达到40帧/s,具有较强的鲁棒性和实时性.
火焰检测、YOLOv2、聚类、多级特征、特征融合
46
TP391(计算技术、计算机技术)
国家自然科学基金项目61402192;江苏省"六大人才高峰"项目2013DZXX-023;江苏省"青蓝工程",江苏省高等学校自然科学研究重大项目18KJA520001;淮安市"533 英才工程"资助
2019-07-03(万方平台首次上网日期,不代表论文的发表时间)
共4页
301-304