[发明专利]一种基于迁移学习的双通道卷积神经网络的烟雾图像分类方法

摘要

本发明提供了一种基于迁移学习的双通道卷积神经网络的烟雾图像分类方法，该方法包括：准备烟雾图像和非烟雾图像两类样本，将其归一化为相同尺寸，对图像进行旋转以扩充数据，随机分为训练集、验证集和测试集，作为后续网络训练的数据输入；然后，用设计的双通道卷积神经网络对数据集进行训练，其中第一条通道网络结合迁移学习策略，利用在大型数据集ImageNet上训练生成的模型对其进行预训练；第二条通道采用经过实验改进的AlexNet精简网络，提取烟雾图像的细节特征；两条通道分别训练，最后特征融合，生成训练模型对烟雾图像进行分类；结果表明，该方法不但解决了数据集不足的问题，还提高了烟雾图像分类的准确率。

主权项

1.一种基于迁移学习的双通道卷积神经网络的烟雾图像分类方法，包括下列步骤：步骤1：准备烟雾和非烟雾图像，在数据中加入天空中的云、光滑的墙壁、车身和水面图像以丰富训练样本；步骤2：对步骤1中的图像大小归一化为227*227，并进行数据扩充，作为后续网络训练的数据集；步骤3：将卷积神经网络的结构设计为双通道网络，两条通道网络同时训练，其中第一条网络结合迁移学习策略提取泛化性能较好的特征，第二条网络对数据集直接细节特征提取，两条网络末端进行特征连接、融合，生成训练网络模型文件并保存；步骤4：用训练模型对实际烟雾和非烟雾图片进行分类，得到分类结果。