基于Faster R-CNN的颜色导向火焰检测

摘要：

基于深度特征的目标检测方法Faster R-CNN在火焰检测任务上存在检测效率低的问题,因此提出了基于颜色引导的抛锚策略.该策略设计火焰颜色模型来限制锚的生成,即利用火焰颜色约束锚的生成区域,从而减少了初始锚的数量,提升了计算效率.为了进一步提高网络的计算效率,将区域生成网络中的卷积层替换成掩膜卷积.为了验证所提方法的检测效果,采用BoWFire和Corsician数据集进行验证.实验结果表明,该方法实际检测速度相较于原Faster R-CNN提高了10.1％,BoWFire上该方法的火焰检测F值为0.87,Corsician上该方法的准确度可达99.33％.所提方法可以提高火焰检测的效率,并能够准确检测图像中的火焰.

关键词：火焰检测、颜色模型、卷积神经网络、FasterR-CNN、锚

所属期刊栏目：40

分类号：TP391.4(计算技术、计算机技术)

资助基金：国网安徽省电力有限公司2019年科技项目52120319000A

在线出版日期：2020-06-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1470-1475