基于经典深度卷积神经网络算法的火灾图像识别方法

摘要：

基于4种经典深度卷积神经网络(DCNN)算法模型,在火灾图像识别方面进行了应用实践.建立火灾图像数据集,使用Tensorflow框架搭建训练环境,比较4种算法模型在训练和识别过程中的差异性.结果表明:SqueezeNet算法具有训练时间短、模型文件小等优点,但训练精度较其他算法有所降低;Inception算法综合表现好,具有较高的准确率和中等的训练时间,而且收敛速度快;4种DCNN算法对多数火灾场景的识别准确率较高,但在对非火灾场景的抗干扰性方面存在较大提升空间.

关键词：深度学习、卷积神经网络、火灾图像、识别准确率、火灾探测方法

所属期刊栏目：36

分类号：TP391.41(计算技术、计算机技术)

资助基金：浙江省安全工程与技术研究重点实验室开放基金项目202103

在线出版日期：2023-11-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：20-25