典型文献
基于深度学习的视频火灾识别方法研究
文献摘要：
为了解决传统的火灾识别方法检测精度低、响应速度慢等问题,文中提出一种优化YOLOv4算法结构的视频火灾识别方法.首先,对火灾图片进行滤波处理,增强图像的信噪比,构建新的火灾数据集用于算法的训练及测试;然后,采用随机池化方法对算法的空间金字塔池化结构进行改进,减小特征计算过程中的误差,提取更加丰富的图像特征信息;再通过可分离卷积神经网络对算法的CSP结构进行改进,减小模型的参数复杂度,提高算法模型的响应速度;最后,设计仿真实验对改进后的算法性能进行验证.实验结果表明,所提出的改进方法对算法的识别精度以及检测速度均有较大提升,火灾识别精度达到96.4％,检测速度提升2.3倍,对建筑火灾识别具有重要的应用价值.
文献关键词：
视频火灾识别;数据集构建;算法训练;滤波处理;特征信息提取;仿真验证
中图分类号：
作者姓名：
王伟峰;张宝宝;王志强;任浩
作者机构：
西安科技大学 安全科学与工程学院,陕西 西安 710054;西安科技大学 电气与控制工程学院,陕西 西安 710054;西安科技大学 计算机科学与技术学院,陕西 西安 710054
文献出处：
引用格式：
[1]王伟峰;张宝宝;王志强;任浩-.基于深度学习的视频火灾识别方法研究)[J].现代电子技术,2022(14):84-88
A类：
视频火灾识别
B类：
检测精度,响应速度,速度慢,YOLOv4,算法结构,滤波处理,增强图像,随机池化,空间金字塔池化,特征计算,图像特征,可分离卷积,CSP,算法模型,算法性能,改进方法,识别精度,检测速度,建筑火灾,别具,数据集构建,算法训练,特征信息提取,仿真验证
AB值：
0.332445
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。
