面向視頻火災(zāi)火焰識別的輕量化卷積神經(jīng)網(wǎng)絡(luò)模型

摘要： 深度學(xué)習(xí)在基于視頻的火災(zāi)火焰識別技術(shù)中得到了廣泛應(yīng)用。為解決當(dāng)前常用的卷積神經(jīng)網(wǎng)絡(luò)模型由于層數(shù)和訓(xùn)練參數(shù)過多，導(dǎo)致存儲和速度問題突出，很大程度上限制了其在一些硬件平臺上使用的問題，基于輕量級卷積神經(jīng)網(wǎng)絡(luò)模型SqueezeNet,通過適當(dāng)修改模型結(jié)構(gòu)，構(gòu)建了一種適用于火災(zāi)火焰識別的新網(wǎng)絡(luò)模型。將獲取的各類火災(zāi)火焰圖像數(shù)據(jù)，采用數(shù)據(jù)增強的方法來增加數(shù)據(jù)量，制作火災(zāi)火焰圖像數(shù)據(jù)集，形...