本文主要研究内容
作者韩超慧（2019）在《基于深度迁移学习的烟雾图像检测》一文中研究指出：乡村焚烧秸秆会产生大量烟雾造成雾霾天气甚至引发火灾。传统的火灾检测方法并不适用于监测乡村这种大范围场景。本文针对这一问题提出一种基于深度学习迁移学习的烟雾图像检测方法。烟雾作为火灾早期的明显特征之一,对其检测识别可以有效地对火灾进行预警,减少生命财产的损失。随着计算机计算能力的提升与大数据时代的到来,深度学习受到了广泛关注,其在各个智能领域都表现出了良好的效果。深度学习方法区别于传统框架,它无需人工设计检测算子,它能自动从数据中学习特征并经过训练不断优化,适用范围更广。神经网络的训练需要大量的数据支持,但是在某些情况下数据的收集十分困难,例如收集乡村的烟雾视频和图片。目前网上还没有大型的烟雾视频库,数据量并不能支撑从头开始训练深层神经网络,所以采用迁移学习的办法来解决烟雾小数据集的问题。迁移学习是一种机器学习技术,可以将源域模型运用到目标域中。在深度学习图像处理领域,卷积神经网络通常先检测图像的边缘、形状,然后才是目标的特定特征。实际上神经网络的早期层检测的图片特征相差不大,这样就十分适用于迁移学习技术。所以在计算机视觉领域中迁移学习显得尤为有效。该方法使用TensorFlow框架,引用已在ImageNet大型数据集上训练完毕的Inception-v3网络模型作为源模型,将其在ImageNet数据集中提取到的边缘、色彩、纹理等特征用于构建新的烟雾检测模型。利用乡村场景的监控图像进行验证测试,根据结果对模型进行分析调整。结果显示模型检测准确率相比于传统方法有较大的提升。
Abstract
xiang cun fen shao jie gan hui chan sheng da liang yan wu zao cheng wu mai tian qi shen zhi yin fa huo zai 。chuan tong de huo zai jian ce fang fa bing bu kuo yong yu jian ce xiang cun zhe chong da fan wei chang jing 。ben wen zhen dui zhe yi wen ti di chu yi chong ji yu shen du xue xi qian yi xue xi de yan wu tu xiang jian ce fang fa 。yan wu zuo wei huo zai zao ji de ming xian te zheng zhi yi ,dui ji jian ce shi bie ke yi you xiao de dui huo zai jin hang yu jing ,jian shao sheng ming cai chan de sun shi 。sui zhao ji suan ji ji suan neng li de di sheng yu da shu ju shi dai de dao lai ,shen du xue xi shou dao le an fan guan zhu ,ji zai ge ge zhi neng ling yu dou biao xian chu le liang hao de xiao guo 。shen du xue xi fang fa ou bie yu chuan tong kuang jia ,ta mo xu ren gong she ji jian ce suan zi ,ta neng zi dong cong shu ju zhong xue xi te zheng bing jing guo xun lian bu duan you hua ,kuo yong fan wei geng an 。shen jing wang lao de xun lian xu yao da liang de shu ju zhi chi ,dan shi zai mou xie qing kuang xia shu ju de shou ji shi fen kun nan ,li ru shou ji xiang cun de yan wu shi pin he tu pian 。mu qian wang shang hai mei you da xing de yan wu shi pin ku ,shu ju liang bing bu neng zhi cheng cong tou kai shi xun lian shen ceng shen jing wang lao ,suo yi cai yong qian yi xue xi de ban fa lai jie jue yan wu xiao shu ju ji de wen ti 。qian yi xue xi shi yi chong ji qi xue xi ji shu ,ke yi jiang yuan yu mo xing yun yong dao mu biao yu zhong 。zai shen du xue xi tu xiang chu li ling yu ,juan ji shen jing wang lao tong chang xian jian ce tu xiang de bian yuan 、xing zhuang ,ran hou cai shi mu biao de te ding te zheng 。shi ji shang shen jing wang lao de zao ji ceng jian ce de tu pian te zheng xiang cha bu da ,zhe yang jiu shi fen kuo yong yu qian yi xue xi ji shu 。suo yi zai ji suan ji shi jiao ling yu zhong qian yi xue xi xian de you wei you xiao 。gai fang fa shi yong TensorFlowkuang jia ,yin yong yi zai ImageNetda xing shu ju ji shang xun lian wan bi de Inception-v3wang lao mo xing zuo wei yuan mo xing ,jiang ji zai ImageNetshu ju ji zhong di qu dao de bian yuan 、se cai 、wen li deng te zheng yong yu gou jian xin de yan wu jian ce mo xing 。li yong xiang cun chang jing de jian kong tu xiang jin hang yan zheng ce shi ,gen ju jie guo dui mo xing jin hang fen xi diao zheng 。jie guo xian shi mo xing jian ce zhun que lv xiang bi yu chuan tong fang fa you jiao da de di sheng 。
论文参考文献
论文详细介绍
论文作者分别是来自武汉纺织大学的韩超慧，发表于刊物武汉纺织大学2019-07-12论文，是一篇关于深度学习论文,迁移学习论文,烟雾图像检测论文,卷积神经网络论文,武汉纺织大学2019-07-12论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自武汉纺织大学2019-07-12论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：深度学习论文; 迁移学习论文; 烟雾图像检测论文; 卷积神经网络论文; 武汉纺织大学2019-07-12论文;