[发明专利]采用改进YOLO v3的火灾检测方法有效
申请号: | 201910987400.9 | 申请日: | 2019-10-17 |
公开(公告)号: | CN110852347B | 公开(公告)日: | 2023-07-18 |
发明(设计)人: | 张为;魏晶晶 | 申请(专利权)人: | 天津大学 |
主分类号: | G06V10/774 | 分类号: | G06V10/774;G06V10/762;G06V10/82;G06N3/0464 |
代理公司: | 天津市北洋有限责任专利代理事务所 12201 | 代理人: | 程毓英 |
地址: | 300072*** | 国省代码: | 天津;12 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 采用 改进 yolo v3 火灾 检测 方法 | ||
1.一种采用改进YOLOv3的火灾检测方法,包括步骤如下:
第一步,构建带有标注和标签的火灾数据集:收集并整理多段火灾视频,从中手动截取多种场景、多种尺度、多种燃烧状态的火灾图片,使用图片标注工具对图片进行数据标注,构建符合神经网络训练需求的火灾数据集,并使用K均值聚类算法生成新的尺寸大小和数量的锚框;
第二步,训练修改后的深度卷积神经网络:对YOLOv3的原特征提取神经网络Darknet-53进行修改,基于公开数据集预训练修改后的神经网络,保留生成的预训练模型权重,在火灾数据集上加载预训练模型权重对修改后的神经网络进行二次训练,微调神经网络训练参数直至神经网络收敛,方法如下:
(1)预训练修改后的神经网络:对YOLOv3的原特征提取神经网络Darknet-53进行修改,在其中加入膨胀卷积和DenseNet模块;保留Darknet特征提取神经网络的前9层卷积层及其残差连接,并在其后加入两个膨胀系数分别为2和4的膨胀卷积模块,并将膨胀系数为2的输出经批归一化、Relu激活以及卷积的组合操作后与膨胀系数为4的膨胀卷积模块输出进行跃层连接;在随后的神经网络结构中两次加入DenseNet单元,每次加入9个,对于YOLOv3损失函数,结合检测任务需求加以改进,分别计算置信度误差和坐标误差的损失值;基于公开数据集对修改后的神经网络进行预训练,保留生成的预训练模型权重;
(2)训练修改后的神经网络:在火灾数据集上,加载步骤(1)中预训练的模型权重进行初始化,再次对模型加以训练;微调神经网络训练参数直至神经网络收敛,保留二次训练过程中生成的模型权重;
第三步,利用训练好的YOLOv3检测模型在测试集上验证模型效果,并结合检测效果进一步微调模型的训练参数继续训练以达到模型的最优性能,保留最终的模型权重;最后,输入火灾视频,利用已训练好的模型对视频进行检测,得到火灾图片的检测结果、置信度概率以及每秒检测帧数;
其中,修改后的损失函数和改进后的坐标误差分别如下式所示:
L=Ecoord+Eiou
其中,损失函数L由坐标误差Ecoord、置信度误差Eiou组成;λcoord表示坐标误差的权重,S2表示输入图像划分的网格单元数,B表示每个网格单元生成的Bounding Box数;表示有无目标落在Bounding Box中,当火焰目标落到第i个网格生成的第j个Bounding Box中时,否则分别表示为预测框中心点的横纵坐标以及框的宽度和高度,而(xi,yi,wi,hi)则表示对应的真实框的值。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于天津大学,未经天津大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910987400.9/1.html,转载请声明来源钻瓜专利网。