亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于改進(jìn)Tiny- YOLOv3 的煙霧檢測算法

        2021-03-06 05:55:58吉森榮
        關(guān)鍵詞:特征檢測模型

        吉森榮

        (華北電力大學(xué)控制與計(jì)算機(jī)工程學(xué)院,北京102206)

        森林火災(zāi)破壞自然環(huán)境,威脅人類安全。為避免火勢蔓延失控,實(shí)現(xiàn)早期檢測至關(guān)重要,其中煙霧檢測是一種高效的預(yù)警手段。傳統(tǒng)的煙霧檢測是將手工設(shè)計(jì)的特征輸入到分類器中,特征設(shè)計(jì)的過程繁瑣,且模型好壞過度依賴人的先驗(yàn)。自AlexNet[1]在ImageNet 圖像識(shí)別競賽上奪得冠軍,深度卷積神經(jīng)網(wǎng)絡(luò)獲得了越來越多的關(guān)注。2018 年,Zhang 等人[2]將Faster RCNN[3]網(wǎng)絡(luò)應(yīng)用在森林火災(zāi)的煙霧檢測中。2020 年,Wang 等人[4]利用SSD[5]網(wǎng)絡(luò)與背景建模實(shí)現(xiàn)火災(zāi)煙霧的有效檢測。然而這些方法往往難以在嵌入式設(shè)備上實(shí)現(xiàn)煙霧的高效定位與識(shí)別。Tiny-YOLOv3 網(wǎng)絡(luò)為此提供了幫助,它大幅度精簡YOLOv3[6]的網(wǎng)絡(luò)結(jié)構(gòu),可實(shí)時(shí)運(yùn)行于嵌入式設(shè)備,但檢測精度也下降明顯。為更好的平衡檢測精度與實(shí)時(shí)性,本文在Tiny-YOLOv3 網(wǎng)絡(luò)的基礎(chǔ)上設(shè)計(jì)一種新型網(wǎng)絡(luò)結(jié)構(gòu),將普通卷積替換為深度可分離卷積,減小模型的體積,并增加網(wǎng)絡(luò)層數(shù)和輸出通道數(shù)提升模型的精度。

        1 基于改進(jìn)Tiny-YOLOv3 的煙霧檢測算法

        1.1 原始的Tiny-YOLOv3 檢測模型

        Tiny-YOLOv3 的網(wǎng)絡(luò)結(jié)構(gòu)如圖1 所示,輸入是416 416 的煙霧圖像,輸出是2 種scale 的煙霧預(yù)測結(jié)果。它將7 個(gè)Conv2d 3 3 層和6 個(gè)MaxPool 2 2 層構(gòu)成的卷積神經(jīng)網(wǎng)路作為特征提取網(wǎng)絡(luò),采用兩條支路檢測煙霧目標(biāo),輸出特征層大小分別為13 13 和26 26。這兩個(gè)特征層經(jīng)過Conv2d 1 1 處理,其中一路經(jīng)Conv2d 3 3 和Conv2d 1 1 輸出該層對(duì)應(yīng)的預(yù)測結(jié)果,另一路接Conv2d 1 1 并通過UpSample 與對(duì)應(yīng)特征層Concat(拼接),經(jīng)與前一路相同處理輸出該層對(duì)應(yīng)的預(yù)測結(jié)果。Concat 操作可使網(wǎng)絡(luò)學(xué)習(xí)更深層次的特征,提高檢測的精度。

        已訓(xùn)練的Tiny-YOLOv3 模型在預(yù)測煙霧時(shí),需先將兩條支路的輸出Concat,但同時(shí)產(chǎn)生大量的相似冗余框。本文使用Soft-NMS 后處理予以消除,實(shí)現(xiàn)最終的煙霧目標(biāo)預(yù)測。

        1.2 改進(jìn)后的Tiny-YOLOv3 檢測模型

        Mobilenet[7]中的深度可分離卷積,可以使網(wǎng)絡(luò)模型小型化。對(duì)于大小為k 卷積核,當(dāng)輸入通道為M輸出通道為N 時(shí),其與標(biāo)準(zhǔn)卷積的參數(shù)量比值為:

        由上式可以看出,參數(shù)量可大幅度減少。本質(zhì)而言,深度可分離卷積是把標(biāo)準(zhǔn)卷積分解為逐通道卷積DW 和點(diǎn)卷積PW,這種分解也實(shí)現(xiàn)了跨通道特征的融合,可保持準(zhǔn)確率不下降。基于這些優(yōu)勢。

        圖1 原始Tiny-YOLOv3 的網(wǎng)絡(luò)結(jié)構(gòu)

        圖2 改進(jìn)Tiny-YOLOv3 的網(wǎng)絡(luò)結(jié)構(gòu)

        本文使用深度可分離卷積替換普通卷積。同時(shí)借鑒FPN 融合不同尺度特征的思想,使用三條檢測支路分別預(yù)測大中小目標(biāo)。

        改進(jìn)Tiny-YOLOv3 的網(wǎng)絡(luò)結(jié)構(gòu)如圖2 所示,輸入與之前相同,輸出是3 種scale 的煙霧預(yù)測結(jié)果。圖中,“Conv dw”表示深度可分離卷積,“Block1”表示Conv2d 3×3 和Conv dw 3×3/2的組合模塊,“Block2”表示Conv dw 3×3 和Conv2d 1×1 的組合模塊,“×4”表示Block1 重復(fù)4 次,“×5”表示Block2 重復(fù)5 次。它舍棄了MaxPool 層,三條支路的輸出特征大小分別為13×13、26×26 和52×52。這3 個(gè)特征層經(jīng)過Block2 處理,其中一路后接Conv 2d 1×1 輸出該層的預(yù)測預(yù)測結(jié)果,另一路則UpSample 操作后與對(duì)應(yīng)特征層進(jìn)行Concat,經(jīng)Block2 和Conv 2d 1×1 后輸出該層的預(yù)測結(jié)果。

        Tiny-YOLOv3 在改進(jìn)前后的損失函數(shù)Loss 但在預(yù)測煙霧時(shí),改進(jìn)的Tiny-YOLOv3 模型是將三條支路的輸出Concat,增加了更小尺度的目標(biāo)檢測。對(duì)于相似冗余框,仍采用Soft-NMS消除。

        2 實(shí)驗(yàn)結(jié)果與分析

        實(shí)驗(yàn)使用的數(shù)據(jù)集是Zhang 等人[3]公開的"RF_dataset",包含12620 張森林火災(zāi)的煙霧圖片。Tiny-YOLOv3 在改進(jìn)前后的訓(xùn)練設(shè)置相同。使用Adam 優(yōu)化器更新訓(xùn)練參數(shù),迭代周期為80 個(gè)epoch,初始學(xué)習(xí)率設(shè)置為0.001,batch_size 為6。

        為驗(yàn)證本文算法的有效性,不僅將其與原始Tiny-YOLOv3對(duì)比,也將其與主流檢測算法Faster RCNN[4]和SSD[6]對(duì)比,實(shí)驗(yàn)結(jié)果如表1 所示。圖3 為本文算法在RF_dataset 數(shù)據(jù)集上的部分檢測效果,紅色檢測框標(biāo)定出煙霧區(qū)域。

        表1 不同檢測算法的測試結(jié)果

        圖3模型在RF_dataset 上的檢測效果

        由表1 可知,本文算法的檢測精度mAP 為73.6%,較原始Tiny-YOLOv3 提 高6.2% ; 模 型 大 小 為25MB, 較 原 始Tiny-YOLOv3 降低10MB。同時(shí),本文算法在各個(gè)主流檢測算法中精度最高、體積最小。這些優(yōu)勢的主要原因在于:深度可分離卷積可大幅度減少模型參數(shù),縮小模型體積,并可保持精度不下降;通過加深Tiny-YOLOv3 的網(wǎng)絡(luò)層數(shù),使用更多的檢測支路,使提取的煙霧特征更詳細(xì),檢測精度得以提高。

        3 結(jié)論

        本文以Tiny-YOLOv3 為基礎(chǔ),引入深度可分離卷積和深層的多支路輸出,提出一種新型的網(wǎng)絡(luò)模型,可以在計(jì)算力有限的嵌入式設(shè)備上高效定位和識(shí)別煙霧。本文提出的模型不僅優(yōu)于原始的Tiny-YOLOv3,也優(yōu)于多個(gè)主流檢測模型,這表明了本文算法設(shè)計(jì)的正確性。

        猜你喜歡
        特征檢測模型
        一半模型
        “不等式”檢測題
        “一元一次不等式”檢測題
        “一元一次不等式組”檢測題
        重要模型『一線三等角』
        重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布
        如何表達(dá)“特征”
        不忠誠的四個(gè)特征
        抓住特征巧觀察
        3D打印中的模型分割與打包
        国产亚洲日韩欧美一区二区三区| 国产高颜值女主播在线| 国产欧美日韩精品丝袜高跟鞋| 中文字幕有码无码av| 正在播放淫亚洲| 亚洲国产中文字幕九色| 国产亚洲精品久久午夜玫瑰园| 337p西西人体大胆瓣开下部| 欧美整片第一页| 中文字幕日韩人妻在线| 国产一区二区长腿丝袜高跟鞋 | 亚洲综合精品在线观看中文字幕| 亚洲视频专区一区二区三区| 亚洲欧美日韩精品久久| 欧美性群另类交| 欧美片欧美日韩国产综合片| 蜜桃视频一区二区三区四| 亚洲av久久久噜噜噜噜 | 麻豆成人久久精品二区三区免费| 久久久久久久亚洲av无码| 理论片午午伦夜理片影院| 欧美激情国产亚州一区二区| 免费人妻精品一区二区三区| 亚洲国产成人一区二区精品区| 粗了大了 整进去好爽视频| 无码天堂在线视频| 精品一区二区三区婷婷| 成年女人免费视频播放体验区| 福利一区视频| 青青草最新在线视频观看| 人妻久久久一区二区三区蜜臀| 中文字幕精品一二三四五六七八| 亚洲是图一区二区视频| 国产精品伦理久久一区| 久久久免费精品re6| 一本色道久久99一综合| 蜜桃av一区在线观看| 久久综合99re88久久爱| 亚洲国产精品久久久久秋霞影院| 91久久国产情侣真实对白| 久久中文字幕一区二区|