一种基于域对抗特征融合网络的林火烟雾检测方法技术

本发明专利技术实施例公开了一种基于域对抗特征融合网络的林火烟雾检测方法，包括：预先构建域对抗特征融合网络；获取森林火灾烟雾图像，根据森林火灾烟雾图像建立烟雾图像数据集；用预特征融合网络对烟雾图像数据集进行特征提取，再进行特征融合；融合后的特征同时被送入标签预测器进行图像分类和对抗特征自适应网络进行域判别；对分类损失和域对抗损失进行高效的联合优化。本发明专利技术基于有监督学习方法搭建域对抗特征融合网络，通过学习更具有辨别性和环境自适应性的森林火灾烟雾特征，提高检测方法面向不同林区检测环境的稳定性和泛化能力，实现森林火灾烟雾的高精度识别，提高烟雾检测效率和性能。效率和性能。效率和性能。

【技术实现步骤摘要】
一种基于域对抗特征融合网络的林火烟雾检测方法


[0001]本专利技术涉及森林火灾烟雾检测
，具体涉及一种基于域对抗特征融合网络的林火烟雾检测方法。

技术介绍

[0002]森林火灾具有突发性强和破坏性大等特点，不仅威胁着人们的生命财产安全，还会破坏生态环境。因此，森林火灾发生初期的自动检测与及时预警对于保护森林资源、降低灾害损失具有重要意义。
[0003]传统基于图像的火灾烟雾检测方法依赖于先验知识手工提取烟雾的浅层特征，并将一种至多种特征送入有监督分类器训练。该方法适用于固定场景的火灾烟雾检测，一旦测试场景发生改变，算法性能就会降低。
[0004]现有基于深度神经网络的火灾烟雾检测方法能够自动提取深层及抽象的烟雾特征，实现端到端的自动检测。
[0005]有研究者为提取更具有辨别性的烟雾特征，将传统方法与深度学习方法相结合，既能够提取浅层烟雾特征也能够提取深层烟雾特征，不同尺度融合的烟雾特征更具有辨别性，在确保低误报率的前提下，提高火灾烟雾检测的准确率。
[0006]但是传统的烟雾检测方法通常只能提取一种至两本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于域对抗特征融合网络的林火烟雾检测方法，其特征在于，包括：预先构建域对抗特征融合网络，所述域对抗特征融合网络包括特征融合网络、标签预测器以及对抗特征自适应网络；获取森林火灾烟雾图像，根据所述森林火灾烟雾图像建立烟雾图像数据集；采用所述特征融合网络对所述烟雾图像数据集进行特征提取及特征融合；融合后的特征同时被送入所述标签预测器进行图像分类和所述对抗特征自适应网络进行域判别，得到分类损失和域对抗损失；对分类损失和域对抗损失进行高效的联合优化。2.如权利要求1所述的方法，其特征在于，所述特征融合网络为基于密集空洞卷积神经网络和注意力跳跃连接网络的双通道卷积神经网络；密集空洞卷积神经网络由疑似烟雾候选区域分割策略和特征提取网络两部分构成；注意力跳跃连接网络是以AlexNet为基本框架的浅层神经网络。3.如权利要求2所述的方法，其特征在于，采用所述特征融合网络对所述烟雾图像数据集进行特征提取及特征融合，具体为：使用所述密集空洞卷积神经网络提取图像局部背景信息及烟雾抽象特征；使用所述注意力跳跃连接网络提取包括颜色和轮廓的烟雾详细特征；采用所述双通道卷积神经网络实现所述烟雾抽象特征和烟雾详细特征的融合。4.如权利要求2...

【专利技术属性】
技术研发人员：张军国，张长春，赵雨诺，
申请(专利权)人：北京林业大学，
类型：发明
国别省市：