基于数据增强的卷积神经网络火灾识别

摘要：

当前图像识别采用的普遍方法是卷积神经网络方法,但该方法依赖于大数据集,在样本不足时会出现过拟合问题.针对以上问题,根据火灾的背景复杂性和卷积神经网络自动学习特征的优点,提出一种基于数据增强的卷积神经网络火灾识别方法.对少量火灾图片引入数据增强技术,通过搭建一个3层卷积池化层和一个全连接层自动提取火灾特征,使用softmax分类器输出.仿真实验结果表明:原始数据测试集的识别率为95％,损失值发散,提出方法使测试集损失值收敛到0.2,改善了过拟合的问题;对数据增强减少过拟合的原因进行分析,表明对小样本使用卷积神经网络具有重要意义.

关键词：特征提取、深度学习、数据增强、火灾识别

所属期刊栏目：20

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划;陕西省重点研发计划

在线出版日期：2020-04-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1113-1117