基于改进Resnet18网络的火灾图像识别

摘要

针对传统卷积神经网络进行火灾图像识别时，准确率不高、特征难以提取、网络的平移不变性较弱等问题，对Resnet18网络进行改进，使其具有更高的性能和准确性.首先，在Resnet18网络的卷积层前插入空间变换网络（spatial transform networks, STN）.对于连续多个相同大小的卷积层，只在第一个卷积层前添加STN,共添加5个，并且在全连接层后添加dropout层防止过拟合.然后，使用迁移学习（transfer learning, TL）的方法对火灾进行分类识别.实验结果表明，改进后的Resnet18网络准确率、召回率、F₁值和AUC值等各项指标性能优于Resnet18网络和其他深度学习识别算法，能够对火灾图像进行快速、准确地识别.

关键词

火灾检测 / 卷积神经网络 / 空间变换网络 / Resnet18 / HSI色彩模型 / 迁移学习