面向森林火灾烟雾识别的深度信念卷积网络

摘要

对于CNN的图像识别,采用随机初始化网络权值的方法很容易收敛达到局部最优值.针对林火中的烟雾图像识别,提出一种结合无监督和有监督学习的网络权值预训练算法.首先通过使用DBN预学习得到的特征初始化CNN的权值;然后通过卷积、池化等操作,提取训练样本的特征,并采用全连接网络对特征进行分类;最后计算分类损失函数并优化网络参数.实验的训练结果显示,基于DBN-CNN的森林火灾烟雾识别的准确率达到了98.5％,相比于其他算法其准确率更高.