%0 Journal Article
%T 基于Faster R-CNN模型的火焰检测
%A 严云洋
%A 刘以安
%A 朱晓妤
%A 高尚兵
%J 南京师范大学学报(自然科学版)
%D 2018
%R 10.3969/j.issn.1001-4616.2018.03.001
%X 常规的火焰检测一般是提取火焰的静态或动态特征,然后进行火焰的判别. 但是传统特征无法全面描述火焰特性,会导致识别的准确率降低. 本文提出一种基于Faster R-CNN模型的火焰检测算法. 首先利用候选区域生成网络(Region Proposal Network,RPN)提取火焰候选区域,然后对候选区域进行卷积及池化操作,提取火焰特征,最后利用联合训练的快速区域卷积神经网络(Fast R-CNN)进行火焰识别. 实验结果表明该方法能够自动提取火焰特征,有效提高复杂背景下的火焰识别的准确率,具有良好的泛化能力和鲁棒性
%K Faster R-CNN
%K 候选区域生成网络
%K 快速区域卷积神经网络
%K 火焰检测
%U http://njsfdxzrb.paperonce.org/oa/darticle.aspx?type=view&id=201803001