基于深度学习和最大相关最小冗余的火焰图像检测方法 
下载： 1474次
Flame Image Detection Method Based on Deep Learning with Maximal Relevance and Minimal Redundancy
西安建筑科技大学信息与控制工程学院, 陕西 西安 710055
图 & 表
图 1. CNN结构图
Fig. 1. CNN structure diagram
下载图片 查看原文
图 2. 所提算法的整体框架图
Fig. 2. Overall framework of proposed algorithm
下载图片 查看原文
图 3. 所提算法流程图
Fig. 3. Flow chart of proposed algorithm
下载图片 查看原文
图 4. 特征提取流程图
Fig. 4. Flow chart of feature extraction process
下载图片 查看原文
图 5. VGG16网络结构图
Fig. 5. VGG16 network structure diagram
下载图片 查看原文
图 6. ResNet50结构图
Fig. 6. ResNet50 structure diagram
下载图片 查看原文
图 7. 部分样本数据集。(a)~(e)正样本;(f)~(i)负样本
Fig. 7. Partial sample datasets. (a)-(e) Positive samples; (f)-(i) negative samples
下载图片 查看原文
图 8. 卷积层的输出特征映射图。浅层卷积:(a)网络1,(c)网络2;深层卷积:(b)网络1,(d)网络2
Fig. 8. Convolutional layers output feature maps. Shallow convolution layer: (a) network 1, (c) network 2; deep convolution layer: (b) network 1, (d) network 2
下载图片 查看原文
图 9. 火焰检测性能随特征数量变化曲线
Fig. 9. Variation curve of flame detection performance with number of features
下载图片 查看原文
表 1不同特征选择算法对识别的影响
Table1. Influence of different feature selection algorithms on recognition
| Method | Number of features | ACCR /% | DR /% | FAR /% |
|---|
| Method 1 | 117 | 95.00 | 90.0 | 0 | | Ours | 16 | 98.25 | 96.5 | 0 |
|
查看原文
表 2CNN串行融合特征对识别的影响
Table2. Influence of CNN serial fusion features on recognition
| Method | Number offeatures | ACCR /% | DR /% | FAR /% |
|---|
| Network 1 | 32 | 93.50 | 92.0 | 5.0 | | Network 2 | 27 | 96.00 | 95.5 | 3.5 | | Ours | 16 | 98.25 | 96.5 | 0 |
|
查看原文
表 3三种检测算法性能对比
Table3. Performance comparison of three detection algorithms
| Algorithm | Number offeatures | ACCR /% | DR /% | FAR /% |
|---|
| Algorithm 1 | 3 | 76.25 | 84.0 | 31.5 | | Algorithm 2 | 16 | 98.25 | 96.5 | 0 | | Ours | 19 | 99.75 | 100.0 | 0.5 |
|
查看原文
表 4不同检测算法的结果对比
Table4. Results comparison of different detection algorithms
| Algorithm | ACCR /% | DR /% | FAR /% |
|---|
| Ref. [7] | 86.88 | 91.85 | 18.10 | | Ref. [9] | 96.73 | 94.78 | 1.32 | | Ref. [14] | 97.28 | 98.25 | 3.70 | | Ours | 99.75 | 100.00 | 0.50 |
|
查看原文
李梓瑞, 王慧琴, 胡燕, 卢英. 基于深度学习和最大相关最小冗余的火焰图像检测方法[J]. 激光与光电子学进展, 2020, 57(10): 101015. Zirui Li, Huiqin Wang, Yan Hu, Ying Lu. Flame Image Detection Method Based on Deep Learning with Maximal Relevance and Minimal Redundancy[J]. Laser & Optoelectronics Progress, 2020, 57(10): 101015.
PDF全文
