留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

深度学习的MPCANet火灾图像识别模型设计

张秀玲 侯代标 张逞逞 周凯旋 魏其珺

张秀玲, 侯代标, 张逞逞, 周凯旋, 魏其珺. 深度学习的MPCANet火灾图像识别模型设计[J]. 红外与激光工程, 2018, 47(2): 203006-0203006(6). doi: 10.3788/IRLA201847.0203006
引用本文: 张秀玲, 侯代标, 张逞逞, 周凯旋, 魏其珺. 深度学习的MPCANet火灾图像识别模型设计[J]. 红外与激光工程, 2018, 47(2): 203006-0203006(6). doi: 10.3788/IRLA201847.0203006
Zhang Xiuling, Hou Daibiao, Zhang Chengcheng, Zhou Kaixuan, Wei Qijun. Design of MPCANet fire image recognition model for deep learning[J]. Infrared and Laser Engineering, 2018, 47(2): 203006-0203006(6). doi: 10.3788/IRLA201847.0203006
Citation: Zhang Xiuling, Hou Daibiao, Zhang Chengcheng, Zhou Kaixuan, Wei Qijun. Design of MPCANet fire image recognition model for deep learning[J]. Infrared and Laser Engineering, 2018, 47(2): 203006-0203006(6). doi: 10.3788/IRLA201847.0203006

深度学习的MPCANet火灾图像识别模型设计

doi: 10.3788/IRLA201847.0203006
基金项目: 

河北省自然科学基金-钢铁联合研究基金(E2015203354);河北省高校创新团队领军人才培育计划项目(LJRC013);河北省教育厅科学研究计划河北省高等学校自然科学研究重点项目(ZD2016100);2016年燕山大学基础研究专项课题(理工类)培育课题(16LGY015);秦皇岛市科技局自筹项目(201703A229)

详细信息
    作者简介:

    张秀玲(1968-),女,教授,博士,主要从事基于深度学习的智能识别与应用方面的研究。Email:zxlysu@ysu.edu.cn

  • 中图分类号: TP183

Design of MPCANet fire image recognition model for deep learning

计量
  • 文章访问数:  608
  • HTML全文浏览量:  108
  • PDF下载量:  121
  • 被引次数: 0
出版历程
  • 收稿日期:  2017-08-10
  • 修回日期:  2017-10-28
  • 刊出日期:  2018-02-25

深度学习的MPCANet火灾图像识别模型设计

doi: 10.3788/IRLA201847.0203006
    作者简介:

    张秀玲(1968-),女,教授,博士,主要从事基于深度学习的智能识别与应用方面的研究。Email:zxlysu@ysu.edu.cn

基金项目:

河北省自然科学基金-钢铁联合研究基金(E2015203354);河北省高校创新团队领军人才培育计划项目(LJRC013);河北省教育厅科学研究计划河北省高等学校自然科学研究重点项目(ZD2016100);2016年燕山大学基础研究专项课题(理工类)培育课题(16LGY015);秦皇岛市科技局自筹项目(201703A229)

  • 中图分类号: TP183

摘要: 针对火灾发生时,火灾图像背景复杂、人工特征提取过程繁琐、对火灾图像的识别泛化能力不强、容易出现精度不高、误报和漏报等问题,提出了张量对象特征提取的多线性主成分分析(Multilinear Principal Component Analysis,MPCA)深度学习算法的火灾图像识别新方法。利用MPCANet建立火灾图像识别模型,通过MPCA算法学习滤波器作为深度学习网络卷积层卷积核,对张量对象的高维图像进行特征提取,并把蜡烛图像和烟花图像作为干扰。通过仿真实验并与其他火灾图像识别方法对比得到提出的图像识别方法识别精度达到了97.5%、误报率1.5%、漏报率1%。实验表明:该方法可以有效解决火灾图像识别存在的问题。

English Abstract

参考文献 (13)

目录

    /

    返回文章
    返回