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