10.3969/j.issn.1001-4616.2018.03.001
基于Faster R-CNN模型的火焰检测
常规的火焰检测一般是提取火焰的静态或动态特征,然后进行火焰的判别.但是传统特征无法全面描述火焰特性,会导致识别的准确率降低.本文提出一种基于Faster R-CNN模型的火焰检测算法.首先利用候选区域生成网络(Region Proposal Network,RPN)提取火焰候选区域,然后对候选区域进行卷积及池化操作,提取火焰特征,最后利用联合训练的快速区域卷积神经网络(Fast R-CNN)进行火焰识别.实验结果表明该方法能够自动提取火焰特征,有效提高复杂背景下的火焰识别的准确率,具有良好的泛化能力和鲁棒性.
Faster R-CNN、候选区域生成网络、快速区域卷积神经网络、火焰检测
41
TP391.41(计算技术、计算机技术)
国家自然科学基金61402192;江苏省"六大人才高峰"项目2013DZXX-023;江苏省"青蓝工程"、淮安市"533英才工程"
2018-10-30(万方平台首次上网日期,不代表论文的发表时间)
共5页
1-5