發(fā)布時(shí)間：2025-06-27 03:34

　　火災(zāi)產(chǎn)生的煙霧和火焰對(duì)人類的生存環(huán)境造成了極大威脅,基于傳感器的檢測(cè)方法存在不經(jīng)濟(jì)、延時(shí)和誤報(bào)等問(wèn)題,而傳統(tǒng)的圖像處理方法魯棒性不強(qiáng),對(duì)火災(zāi)的預(yù)警極為不利。近些年,深度網(wǎng)絡(luò)模型在視覺領(lǐng)域取得了突出成就,將深度網(wǎng)絡(luò)模型應(yīng)用于煙火的識(shí)別和檢測(cè)也成為了研究熱點(diǎn)。但是,由于深度網(wǎng)絡(luò)模型存在高存儲(chǔ)和高功耗的弊端,在資源有限環(huán)境中對(duì)煙火進(jìn)行識(shí)別和檢測(cè)會(huì)受到很大阻礙。為此,本文采用輕量化和通道剪枝方法對(duì)模型進(jìn)行了有效的壓縮和加速,主要研究工作可概括如下:(1)本文使用輕量型的網(wǎng)絡(luò)結(jié)構(gòu)mobilenetv2來(lái)精準(zhǔn)且快速的識(shí)別煙火圖像。該網(wǎng)絡(luò)使用了大量的1*1卷積結(jié)構(gòu)和深度卷積結(jié)構(gòu)來(lái)降低模型參數(shù)量和計(jì)算量,同時(shí)又保持了較高的識(shí)別準(zhǔn)確率。在煙火數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果表明,與大型網(wǎng)絡(luò)vgg16相比,mobilenetv2網(wǎng)絡(luò)模型的參數(shù)量減少了 84.9%,計(jì)算量減少了 98.0%,而識(shí)別準(zhǔn)確率反而高出了 0.76%。(2)本文提出一種改進(jìn)的refinedet模型來(lái)準(zhǔn)確和快速的檢測(cè)煙火圖像。該模型將原始refinedet模型中的基礎(chǔ)網(wǎng)絡(luò)vgg16替換成mobilenetv2,額外層縮減為1個(gè)卷積層,同時(shí)將TCB結(jié)構(gòu)中...

【文章頁(yè)數(shù)】：78 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 傳感器方法
        1.2.2 圖像處理方法
        1.2.3 深度學(xué)習(xí)方法
    1.3 煙火識(shí)別和檢測(cè)的技術(shù)難點(diǎn)
    1.4 本文的主要研究?jī)?nèi)容
    1.5 本文的組織結(jié)構(gòu)
第2章 關(guān)鍵技術(shù)分析
    2.1 CNN
        2.1.1.CNN結(jié)構(gòu)
        2.1.2.CNN的特性
    2.2 目標(biāo)檢測(cè)網(wǎng)絡(luò)
        2.2.1.基于候選區(qū)域的目標(biāo)檢測(cè)算法
        2.2.2.基于回歸的目標(biāo)檢測(cè)算法
    2.3 網(wǎng)絡(luò)剪枝
    2.4 本章小結(jié)
第3章 基于深度學(xué)習(xí)的煙火圖像識(shí)別與檢測(cè)
    3.1 煙火識(shí)別網(wǎng)絡(luò)的設(shè)計(jì)與實(shí)現(xiàn)
    3.2 煙火檢測(cè)網(wǎng)絡(luò)的設(shè)計(jì)與實(shí)現(xiàn)
        3.2.1.refinedet模型的基礎(chǔ)網(wǎng)絡(luò)和額外層的改進(jìn)與分析
        3.2.2.refinedet模型的輔助網(wǎng)絡(luò)改進(jìn)與分析
    3.3 實(shí)驗(yàn)平臺(tái)和實(shí)驗(yàn)數(shù)據(jù)集
        3.3.1.實(shí)驗(yàn)平臺(tái)
        3.3.2.實(shí)驗(yàn)數(shù)據(jù)集
    3.4 煙火識(shí)別實(shí)驗(yàn)結(jié)果和分析
        3.4.1.數(shù)據(jù)預(yù)處理和模型預(yù)訓(xùn)練
        3.4.2.模型性能評(píng)估
    3.5 煙火檢測(cè)實(shí)驗(yàn)結(jié)果和分析
        3.5.1.數(shù)據(jù)預(yù)處理和模型預(yù)訓(xùn)練
        3.5.2.模型評(píng)估標(biāo)準(zhǔn)
        3.5.3.模型的性能評(píng)估
    3.6 本章小結(jié)
第4章 煙火識(shí)別和檢測(cè)網(wǎng)絡(luò)的通道剪枝
    4.1 通道剪枝
        4.1.1.通道剪枝方法簡(jiǎn)介
        4.1.2.添加輔助層
        4.1.3.快速迭代閾值收縮剪枝算法
    4.2 煙火識(shí)別網(wǎng)絡(luò)的通道剪枝
        4.2.1.煙火識(shí)別網(wǎng)絡(luò)通道剪枝設(shè)計(jì)
        4.2.2.煙火識(shí)別網(wǎng)絡(luò)通道剪枝實(shí)驗(yàn)結(jié)果
    4.3 煙火檢測(cè)網(wǎng)絡(luò)的通道剪枝
        4.3.1.煙火檢測(cè)網(wǎng)絡(luò)的剪枝預(yù)處理
        4.3.2.煙火檢測(cè)網(wǎng)絡(luò)的剪枝實(shí)驗(yàn)結(jié)果評(píng)估
    4.4 煙火識(shí)別和檢測(cè)過(guò)程的處理流程圖
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 本文總結(jié)
    5.2 下一步工作和展望
參考文獻(xiàn)
致謝
在讀期間發(fā)表的學(xué)術(shù)論文與取得的其他研究成果



本文編號(hào)：4053741