典型文献
基于ER-ShuffleNet的薄雾森林火灾识别
文献摘要：
针对目前薄雾森林火灾识别高误报的问题,从数据层面提出中心点生成雾化粒子的人工合成数据方法;从算法层面提出结合通道注意力ECA模块和反向注意力RA模块的ER-ShuffleNet.ER-ShuffleNet平均识别精度为97.84％,平均误报率为2.041％.在相同训练样本及参数设置下,将ER-ShuffleNet与其他先进方法转换HSV颜色空间和迁移学习对比,结果表明ER-ShuffleNet在薄雾森林火灾识别上具有显著优势.ER-ShuffleNet能够充分挖掘通道信息,并能使网络关注次显著目标,丰富识别目标与特征的映射关系,能够较好识别薄雾森林火灾中易混淆目标.
文献关键词：
图像分类;通道注意力;反向注意力;森林火灾;薄雾
中图分类号：
作者姓名：
谭熙;方睿;王宇;魏袁慧
作者机构：
成都信息工程大学 计算机学院,成都610225
文献出处：
引用格式：
[1]谭熙;方睿;王宇;魏袁慧-.基于ER-ShuffleNet的薄雾森林火灾识别)[J].智能计算机与应用,2022(12):51-54,61
A类：
B类：
ER,ShuffleNet,薄雾,森林火灾,数据层,中心点,雾化,人工合成,合成数据,合通,通道注意力,ECA,反向注意力,RA,识别精度,误报率,训练样本,参数设置,HSV,颜色空间,迁移学习,显著优势,网络关注,显著目标,映射关系,中易,图像分类
AB值：
0.348272
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
