Efficient Deep CNN-Based Fire Detection and Localization in Video Surveillance Applications

本人最近在探索能否将火灾检测与现在的深度学习想联系起来，正好查看到了2018最新的论文，故写此文章，希望能够帮助大家对该论文有一些的认识。论文地址为：https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8385121&tag=1，感兴趣的同学可以自行下载。

摘要：文章主要提出了一种original，energy-friendly和computational高效的CNN网络。它使用了小的卷积核，不包括DenseNet和全连接层确保网络的计算性能达到最低，虽然降低了网络的复杂度，但是与其他检测方法比起来计算复杂度还是会增加。说白了就是在精度和效率之间做了一个折中。

传统的方法可以通过查看参考论文6，7来进行研究学习。目前主要存在的有两种方法
1.传统的火灾警报
2.基于视觉辅助的火灾检测

传统方法存在的问题：

1. 需要真人去证实
2. 无法确定火灾的大小和具体位置
3. 观察场景较为复杂，不规则的灯光，火焰形状的各异

文章所采用的新方法贡献：

1. 避免了传统的特征检测，使用了深度学习网络结合了closed- circuit television (CCTV)，室内和室外环境。提出的网络提高了准确性，减少了虚假警告，该算法可以用于早期的火灾监测。
2. 使用ALexNet训练和fine-tune，用到了迁移学习。但是模型依然比较大（238MB）