基于改进Resnet18网络的火灾图像识别

作     者：陈跨越 王保云 Chen Kuayue;Wang Baoyun

作者机构：云南师范大学数学学院昆明650500 云南师范大学云南省现代分析数学及应用重点实验室昆明650500 

出 版 物：《河南师范大学学报（自然科学版）》 (Journal of Henan Normal University(Natural Science Edition))

年 卷 期：2024年第52卷第4期

页      面：101-110,I0013,I0014页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 0838[工学-公安技术] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61966040) 

主　　题：火灾检测 卷积神经网络 空间变换网络 Resnet18 HSI色彩模型 迁移学习 

摘      要：针对传统卷积神经网络进行火灾图像识别时,准确率不高、特征难以提取、网络的平移不变性较弱等问题,对Resnet18网络进行改进,使其具有更高的性能和准确性.首先,在Resnet18网络的卷积层前插入空间变换网络(spatial transform networks,STN).对于连续多个相同大小的卷积层,只在第一个卷积层前添加STN,共添加5个,并且在全连接层后添加dropout层防止过拟合.然后,使用迁移学习(transfer learning,TL)的方法对火灾进行分类识别.实验结果表明,改进后的Resnet18网络准确率、召回率、F_(1)值和AUC值等各项指标性能优于Resnet18网络和其他深度学习识别算法,能够对火灾图像进行快速、准确地识别.