火焰检测网络（October, 2018，ICIP）

论文名

Experimentally Defined Convolutional Neural Network Architecture Variants for Non-temporal Real-time Fire Detection

简介

这是一篇October, 2018.发表于IEEE International Conference on Image Processing (ICIP)的一篇文章，作者提供了一种基于CNN的实时视频火焰检测算法。这篇论文最大的特点是通过实验验证的方法，分别对AlenNet和InceptionV1进行了去层操作，减少了CNN的复杂度，来提升模型速度，将模型处理速度提升到17帧每秒，二值（是/否）全局火焰检测的准确率能够达到93%，超像素局部火焰区域识别的准确率能够达到89%

网络结构

（1）实验验证方法
作者对AlexNet，VGG16和InceptionV1网络进行了对比选择，并将火焰检测数据输入这三个网络进行训练，最后得出AlexNet和Inception网络更好

然后，再对AlexNet网络考虑了六种不同的情况：C1去掉了第三层；C2去掉了第三，四层；C3去掉了三，四，五层；C4只去掉了第六层；C5去掉了三，四，六层；C6去掉了第2层，并将火焰检测数据输入这六个网络进行训练，最后比较结果。
对于