文献类型：期刊文章

作　　者：蒋珍存[1] 温晓静[1] 董正心[2] 孙亦劼[1] 蒋文萍[1]

JIANG Zhen-cun;WEN Xiao-jing;DONG Zheng-xin;SUN Yi-jie;JIANG Wen-ping(School of Elcctrical and Electronic Engincering,Shanghai Institutc of Technology,Shanghai 201418,China;Shanghai Jiaotong University,Shanghai 200240,China)

机构地区：[1]上海应用技术大学电气与电子工程学院,上海201418 [2]上海交通大学,上海200240

出　　处：《消防科学与技术》

基　　金：国家自然科学基金项目(61703279)。

年　　份：2021

卷　　号：40

期　　号：3

起止页码：375-377

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为了快速、有效地检测不同场景下的火灾信息,基于深度迁移学习设计了一种改进VGG16的图像型火灾检测方法。搜集不同场景下的照片,使用离线数据增强技术增加样本数量,对VGG16进行改进,并使用迁移学习的方法训练火灾识别模型。结果表明:改进的VGG16网络对于火灾现场的图片分类识别准确率为98.7%,优于Resnet50网络和Densenet121网络,可快速、准确地检测到火灾信息。

关 键 词：消防 火灾检测 图像分类 VGG16  深度学习  

分 类 号：X932[安全科学与工程类] TP391]