EXPERIMENTALLY DEFINED CONVOLUTIONAL NEURAL NETWORK ARCHITECTURE VARIANTS FOR NON-TEMPORAL REAL-TIME

该文章提出一种基于CNN的实时视频火焰检测方法,通过实验优化AlexNet和InceptionV1网络结构,实现高精度和快速检测。在superpixel上定位准确度达89%,整体准确率93%。
摘要由CSDN通过智能技术生成

这是一篇October 7-10, 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。文章获取地址为:https://github.com/lixiaokai666/CVpaper

摘要:

论文成果:实时了视频实时火灾监测,且速度大大提升,准确率高达93%,在superpixel上定位准确度可达到89%(超像素就是把一幅原本是像素级(pixel-level)的图,划分成区域级(district-level)的图,具体可自行查阅)

论文使用的方法:分别对AlenNet和Inception进行了去层操作,减少了CNN的复杂度

正文:

首先介绍了目前火灾检测的用途十分广泛,可以被用在公共安全未来还可能用于交通工具中。

其次介绍了传统的火灾检测方法:

  1. purely colour based approach
  2. a combination of colour and high-order temporal information

之前的工作主要关注点在颜色域上,后来关注火焰的变化,上升到傅里叶域,未来将上升到Hidden Markov Model problem(馬可夫模型)。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值