申请/专利权人:北京交通大学
申请日:2020-12-01
公开(公告)日:2021-02-09
公开(公告)号:CN112349057A
主分类号:G08B17/12(20060101)
分类号:G08B17/12(20060101);G06K9/62(20060101);G06N3/08(20060101);G06N3/04(20060101)
优先权:
专利状态码:在审-实质审查的生效
法律状态:2021.03.02#实质审查的生效;2021.02.09#公开
摘要:本发明提供了一种基于深度学习的室内烟雾和火灾检测方法。该方法包括:建立烟雾和火灾数据集,对烟雾和火灾数据集中的每张图像进行标注,选取标注后的一定数量的图像分别作为训练集和测试集;使用深度学习框架构建卷积深度网络模型,利用训练集和测试集对卷积深度网络模型进行训练和测试,得到训练好的卷积深度网络模型;将待测的图像输入到训练好的卷积深度网络模型,训练好的卷积深度网络模型输出所述待测的图像的烟雾和火灾检测结果。本发明的方法利用摄像头获取的图像数据,通过卷积神经网络模型对图像数据中的烟雾、火灾进行实时预测,不仅极大地降低了人力成本,而且提高了烟雾、火灾的识别准确率。
主权项:1.一种基于深度学习的室内烟雾和火灾检测方法,其特征在于,包括:建立烟雾和火灾数据集,对所述烟雾和火灾数据集中的每张图像进行标注,选取标注后的一定数量的图像分别作为训练集和测试集;使用深度学习框架构建卷积深度网络模型,利用所述训练集和测试集对卷积深度网络模型进行训练和测试,得到训练好的卷积深度网络模型;将待测的图像输入到所述训练好的卷积深度网络模型,所述训练好的卷积深度网络模型输出所述待测的图像的烟雾和火灾检测结果。
全文数据:
权利要求:
百度查询: 北京交通大学 基于深度学习的室内烟雾和火灾检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。