申请/专利权人:上海应用技术大学
申请日:2021-03-16
公开(公告)日:2024-04-16
公开(公告)号:CN113011319B
主分类号:G06V10/25
分类号:G06V10/25;G06V10/82;G06V10/762;G06V10/774;G06N3/0464;G06N3/082
优先权:
专利状态码:有效-授权
法律状态:2024.04.16#授权;2021.07.09#实质审查的生效;2021.06.22#公开
摘要:本发明提供了一种多尺度火灾目标识别方法及系统,包括如下步骤:获取训练集,所述训练集通过对火灾图像进行标注生成;根据所述训练集进行聚类,生成多个先验框;构建目标检测模型,并至少根据所述先验框对所述目标检测模型的参数进行设置,所述目标检测模型通过对YOLOv4算法中的CSPDarknet53主干特征提取网络用MobileNet网络进行替换生成;通过所述训练集对目标检测模型进行训练生成火灾检测模型;通过火灾检测模型对输入的视频或图像进行火灾检测,判断是否发送火灾。本发明中火灾检测模型的参数量大大得到简化,能够满足嵌入式设备和实时性的要求,对于视频火灾目标的检测,拥有更快的识别速度。
主权项:1.一种多尺度火灾目标识别方法,其特征在于,包括如下步骤:步骤S1:获取训练集,所述训练集通过对火灾图像进行标注生成;步骤S2:根据所述训练集进行聚类,生成多个先验框;步骤S3:构建目标检测模型,并至少根据所述先验框对所述目标检测模型的参数进行设置,所述目标检测模型通过对YOLOv4算法中的CSPDarknet53主干特征提取网络用MobileNet网络进行替换生成;步骤S4:通过所述训练集对目标检测模型进行训练生成火灾检测模型;步骤S5:通过火灾检测模型对输入的视频或图像进行火灾检测,判断是否发送火灾;所述目标检测模型的参数进行设置时包括如下步骤:步骤M1:将公开的VOC2007数据集的训练好的权重作为所述目标检测模型的预训练权重;步骤M2:采用Mosaic数据增强模块实时对火灾图像数据增强的随机预处理;步骤M3:通过标签平滑模块对所述目标检测模型的过拟合进行控制;步骤M4:采用CIOU作为回归损失函数,且根据先验框调整后得到的预测框与真实框的距离、尺度确定所述回归损失函数; 其中,S交为预测框和实际框之间重叠区域的面积,S并为预测框和实际框所占有的总区域面积; ρ2b,bgt为预测框和实际框的中心点的欧式距离,c为能够同时包含预测框和真实框的最小闭包区域的对角线距离;公式中α的表达式如下: 公式中v的表达式如下: 通过1-CIOU就可以得到的归损失函数:
全文数据:
权利要求:
百度查询: 上海应用技术大学 多尺度火灾目标识别方法及系统
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。