计算机应用

作者：卫鑫, 武淑红, 王耀力

单位：太原理工大学 信息与计算机学院, 太原 030600

关键词：烟雾检测,深度卷积神经网络,长短期记忆网络,迁移学习,微量数据集

基金：国家自然科学基金资助项目（61828601）；山西省自然科学基金资助项目（201801D121141）。

针对采样的每帧烟雾特征具有极大的相似性，以及森林火灾烟雾数据集相对较小且单调等问题，为充分利用烟雾的静态与动态信息来达到预防森林火灾的目的，提出一种深度卷积集成式长短期记忆网络（DC-ILSTM）模型。首先，使用在ImageNet数据集上预训练好的VGG-16网络进行基于同构数据的特征迁移，以有效提取出烟雾特征；其次，基于池化层与长短期记忆网络（LSTM）提出一种集成式长短期记忆网络（ILSTM），并利用ILSTM分段融合烟雾特征；最后，搭建一种可训练的深度神经网络模型用于森林火灾烟雾检测。烟雾检测实验中，与深卷积长递归网络（DCLRN）相比，DC-ILSTM在最佳效率下以10帧的优势检测到烟雾，而且在测试准确率上提高了1.23个百分点。实验结果表明，DC-ILSTM在森林火灾烟雾检测中有很好的适用性。

来源：2019年第10期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第10期