公开(公告)号：CN112686276A

公开(公告)日：2021-04-20

申请号：CN202110105436.7

申请日：2021-01-26

Applicant: 重庆大学

Inventor： 伍星 ,  王洪刚

IPC: G06K9/46 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于改进RetinaNet网络的火焰检测方法，S1：收集N张有火焰画面的图片作为训练数据集，并对训练数据集中火焰进行标注；S2：使用SandGlass模块替换残差模块，从而得到改进的RetinaNet网络，记为SG‑ResNet50；所述SandGlass模块包括依次连接的第一深度可分离卷积、第一卷积、第二卷积和第二深度可分离卷积；S3：构建特征金字塔网络，且在特征金字塔网络输出的每一层特征后增加一个分割分支；S4：对构建的改进的RetinaNet网络进行训练，得到训练完成的火焰检测模型；S5：采用步骤S4中得到的火焰检测模型对获取的视频进行火焰检测。本发明使用SandGlass模块代替现有RetinaNet网络的残差模块，提升了火焰检测的速度；利用火焰的颜色特性提供分割的监督信号，提升了火焰检测的精度。

公开(公告)号：CN112686276B

公开(公告)日：2024-09-13

申请号：CN202110105436.7

申请日：2021-01-26

Applicant: 重庆大学

Inventor： 伍星 ,  王洪刚

IPC: G06V10/56 ,  G06V10/82 ,  G06N3/048 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开一种基于改进RetinaNet网络的火焰检测方法，S1：收集N张有火焰画面的图片作为训练数据集，并对训练数据集中火焰进行标注；S2：使用SandGlass模块替换残差模块，从而得到改进的RetinaNet网络，记为SG‑ResNet50；所述SandGlass模块包括依次连接的第一深度可分离卷积、第一卷积、第二卷积和第二深度可分离卷积；S3：构建特征金字塔网络，且在特征金字塔网络输出的每一层特征后增加一个分割分支；S4：对构建的改进的RetinaNet网络进行训练，得到训练完成的火焰检测模型；S5：采用步骤S4中得到的火焰检测模型对获取的视频进行火焰检测。本发明使用SandGlass模块代替现有RetinaNet网络的残差模块，提升了火焰检测的速度；利用火焰的颜色特性提供分割的监督信号，提升了火焰检测的精度。