面向森林火灾烟雾识别的深度信念卷积网络

摘要：

对于CNN的图像识别,采用随机初始化网络权值的方法很容易收敛达到局部最优值.针对林火中的烟雾图像识别,提出一种结合无监督和有监督学习的网络权值预训练算法.首先通过使用DBN预学习得到的特征初始化CNN的权值;然后通过卷积、池化等操作,提取训练样本的特征,并采用全连接网络对特征进行分类;最后计算分类损失函数并优化网络参数.实验的训练结果显示,基于DBN-CNN的森林火灾烟雾识别的准确率达到了98.5％,相比于其他算法其准确率更高.

关键词：深度信念网络、森林火灾监控、烟雾识别、权值初始化、特征提取、特征分类

所属期刊栏目：43

分类号：TN911.73-34;TP183

资助基金：海南省高新重点研发计划;国家自然科学基金资助项目;山西省自然科学基金资助项目

在线出版日期：2020-07-09（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：44-48