avatar avatar 我的文献 基于深度学习和MRMR的火焰图像检测方法 单位 西安建筑科技大学信息与控制工程学院 期刊 激光与光电子学进展 时间 关键词 火焰检测; 卷积神经网络; 动态特征; 最大相关最小冗余
摘要
为解决基于浅层特征的火焰识别模型对环境变化敏感且鲁棒性较低的问题,提出了一种基于卷积神经网络串行特征融合模型与最大相关最小冗余(MRMR)的火焰图像检测方法。首先为从有限样本集中训练卷积神经网络获取更加全局的特征,对使用预训练方法提取的火焰图像深层特征进行串行融合;然后针对融合后特征维度高、冗余大且未包含动态特征的问题,通过MRMR特征选择,去除与火焰低相关性的特征,获得高相关的串行特征后与动态特征进行融合,得到最优子集的重构特征向量;最后通过支持向量机分类器完成对火焰目标的检测。实验结果表明,所提算法具有良好的泛化能力,对火焰的检测效果较好。
下载 浏览 cnki {{liketext}}
©2020 - iData {{ message }} 关闭