摘要
针对传统的基于特征提取的烟火识别方法准确率低、误报率高的问题。提出了一种基于数据增强和迁移学习结合的烟火识别算法。首先,预处理阶段对烟火数据进行清洗与标注,并将标注烟火数据划分为训练集、验证集和测试集三部分;然后,训练过程中,利用mosaic方法、二分k-means方法和自适应图像缩放方法对标注数据进行增强处理,以提高模型的鲁棒性和泛化能力;最后,利用迁移学习方法加载YOLO5模型权重参数作为初始训练参数,并将标注数据集分批次送入YOLO5模型对卷积核参数进行迭代更新与优化。在浙江某化工园区应用场景下,基于数据增强和迁移学习的算法对烟火识别率进行测试,其识别准确率能够达到0.95。实验结果表明,所提算法对烟火识别具有良好的鲁棒性和泛化能力,能够对烟火进行准确识别和告警。
作者
吕俊杰
赵光帅
王正阳
陶为翔
LV Junjie;ZHAO Guangshuai;WANG Zhengyang;TAO Weixiang
出处
《信息技术与信息化》
2021年第12期220-222,共3页
Information Technology and Informatization
