基于迁移学习的火灾图像检测方法研究

摘要

当前基于特征的火灾检测方法存在误报率高、实时性差等问题,而基于深度学习的火灾检测方法也存在数据集少、预测速度慢、准确率低等问题。针对这些问题,提出一种基于迁移学习的火灾图像检测方法,将源域中训练好的模型,迁移到火灾检测领域。首先,从网络获取InceptionV3、ResNet18、ResNet50、DenseNet121这四种预训练模型,然后将预处理好的训练集放到预训练模型中进行训练,最后对模型进行微调。实验结果表明,DenseNet121相比于其他三个模型具有更好的识别能力,其中准确率达到92.54%,漏报率达到7.36%,且预测时间减少40%,模型大小只有31.6M。