公开(公告)号：CN116152658A

公开(公告)日：2023-05-23

申请号：CN202310019731.X

申请日：2023-01-06

Applicant: 北京林业大学

Inventor： 张军国 ,  张长春 ,  赵雨诺

IPC: G06V20/10 ,  G06V10/40 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/084

Abstract: 本发明实施例公开了一种基于域对抗特征融合网络的林火烟雾检测方法，包括：预先构建域对抗特征融合网络；获取森林火灾烟雾图像，根据森林火灾烟雾图像建立烟雾图像数据集；用预特征融合网络对烟雾图像数据集进行特征提取，再进行特征融合；融合后的特征同时被送入标签预测器进行图像分类和对抗特征自适应网络进行域判别；对分类损失和域对抗损失进行高效的联合优化。本发明基于有监督学习方法搭建域对抗特征融合网络，通过学习更具有辨别性和环境自适应性的森林火灾烟雾特征，提高检测方法面向不同林区检测环境的稳定性和泛化能力，实现森林火灾烟雾的高精度识别，提高烟雾检测效率和性能。

公开(公告)号：CN117095297A

公开(公告)日：2023-11-21

申请号：CN202311165265.2

申请日：2023-09-11

Applicant: 北京林业大学

Inventor： 张军国 ,  赵雨诺 ,  张长春

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06Q50/26 ,  G06V10/774 ,  G06N3/084

Abstract: 本发明涉及森林火灾烟雾检测技术领域，特别是指一种基于深度卷积对抗域对齐的林火烟雾图像识别方法，包括，预先构建联合对抗学习及域对齐特征网络；获取林火烟雾图像数据，根据所述林火烟雾图像数据构建林火烟雾图像数据集；用联合对抗学习及域对齐特征网络中的特征提取网络对所述林火烟雾图像数据集进行特征提取，将提取后的特征同时被送入联合对抗学习及域对齐特征网络中的标签分类器进行图像分类和对抗特征自适应网络进行域判别；最后，对分类损失和域判别损失进行高效的联合优化。本发明解决了识别准确度和域偏移两个挑战，提高模型在不同林区检测环境的稳定性和泛化能力，实现森林火灾烟雾的高精度识别，提高烟雾检测的效率和性能。