基于稀疏自编码深度神经网络的林火图像分类

被引：72

作者：

王勇 ^{[1
]}

赵俭辉 ^{[1
,2
]}

章登义 ^{[1
,2
]}

叶威 ^{[1
]}

机构：

[1] 武汉大学计算机学院

[2] 武汉大学苏州研究院

来源：

计算机工程与应用 | 2014年 / 24期

关键词：

稀疏自编码; 无监督学习; 卷积与池化; softmax回归;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

摘要：

针对林火与相似目标很难区分的问题,提出一种基于稀疏自编码深度神经网络的林火图像分类新方法。采用无监督的特征学习算法稀疏自编码从无标签图像小块中学习特征参数,完成深度神经网络的训练;利用学习到的特征从原始大小分类图像中提取特征并卷积和均值池化特征;对卷积和池化后的特征采用softmax回归来训练最终softmax分类器。实验结果表明,跟传统的BP神经网络相比,新方法能够更有效区分林火与红旗、红叶等类似物体。

引用

页码：173 / 177

页数：5

共 10 条

[1]

基于神经网络与加权融合的火灾火焰识别研究 [J].

靳琪琳 ;

段锁林 .

计算机工程与应用, 2013, 49 (13) :156-159

[2]

深度学习研究综述 [J].

孙志军 ;

薛磊 ;

许阳明 ;

王正 .

计算机应用研究, 2012, 29 (08) :2806-2810

[3]

基于最小二乘支持向量机的火灾烟雾识别算法 [J].

贾洁 ;

王慧琴 ;

胡燕 ;

马宗方 .

计算机工程, 2012, 38 (02) :272-275

[4]

林火烟雾图像自动识别中的模式分类器选择 [J].

黄儒乐 ;

吴江 ;

韩宁 .

北京林业大学学报, 2012, 34 (01) :92-95

[5]

基于快速支持向量机的图像型火灾探测算法 [J].

马宗方 ;

程咏梅 ;

潘泉 ;

王慧琴 ;

杨娜娟 .

计算机应用研究, 2010, 27 (10) :3985-3987

[6]

基于一种连续自编码网络的图像降维和重构 [J].

胡昭华 ;

宋耀良 .

数据采集与处理, 2010, 25 (03) :318-323

[7]

A novel hybrid classification model of artificial neural networks and multiple linear regression models[J] Mehdi Khashei;Ali Zeinal Hamadani;Mehdi Bijari Expert Systems With Applications 2011,

[8]

Video-based smoke detection with histogram sequence of LBP and LBPV pyramids[J] Feiniu Yuan Fire Safety Journal 2011,

[9]

Color image segmentation using histogram thresholding – Fuzzy C-means hybrid approach[J] Khang Siang Tan;Nor Ashidi Mat Isa Pattern Recognition 2010,

[10]

Fire detection based on vision sensor and support vector machines[J] Byoung Chul Ko;Kwang-Ho Cheong;Jae-Yeal Nam Fire Safety Journal 2008,

← 1 →