典型文献
基于改进的RFBNet电力火灾识别技术研究
文献摘要：
针对传统火灾探测器在火灾检测方面的不足,传统的图像识别技术对于火灾预测精度不高的问题,采用基于改进的RFBNet算法进行火灾识别.本算法在原来的RFBNet算法的框架上进行改动,采用自适应特征提取优化特征提取操作、反卷积增强融合和增强型软性非极大值抑制,通过提高网络的特征提取能力、加强层级联系和减少重叠目标的漏检率来提高小目标物体的识别精度低和识别准确率低的问题.实验表明,该方法可以有效识别出火灾,识别精度达到93.5％,优于RFBNet算法,速度上也满足实时性要求.
文献关键词：
火灾检测;RFBNet神经网络;自适应特征提取;特征融合;Softer NMS
中图分类号：
作者姓名：
詹振宇;董曼玲;叶富根;曾晗
作者机构：
国网河南省电力有限公司电力科学研究院,郑州 450052;华东交通大学 电气与自动化工程学院,南昌 330013
文献出处：
引用格式：
[1]詹振宇;董曼玲;叶富根;曾晗-.基于改进的RFBNet电力火灾识别技术研究)[J].科技创新与应用,2022(27):14-17
A类：
RFBNet,Softer
B类：
识别技术研究,火灾探测器,火灾检测,图像识别技术,火灾预测,架上,改动,自适应特征提取,提取优化,反卷积,卷积增强,增强型,软性,非极大值抑制,特征提取能力,加强层,层级联系,漏检率,高小,小目标,识别精度,识别准确率,特征融合,NMS
AB值：
0.387608
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。
