久热精品在线视频,思思96精品国产,午夜国产人人精品一区,亚洲成在线a

<s id="x4lik"><u id="x4lik"></u></s>

      <strong id="x4lik"><u id="x4lik"></u></strong>

      期刊在線咨詢服務,立即咨詢

      400-838-9662 購物車(0)

      連續(xù)圖卷積視頻煙霧檢測模型

      楊龍箴; 袁非牛; 楊壽淵; 雷幫軍; 張相芬 江西財經大學信息管理學院; 南昌330032; 上海師范大學信息與機電工程學院; 上海201418; 三峽大學水電工程智能視覺監(jiān)測湖北省重點實驗室; 宜昌443002

      關鍵詞:視頻煙霧檢測 煙霧識別 圖卷積網絡 神經常微分方程 度量學習 

      摘要:目的視頻煙霧檢測在火災預警中起到重要作用,目前基于視頻的煙霧檢測方法主要利用結構化模型提取煙霧區(qū)域的靜態(tài)和動態(tài)特征,在時間和空間上對煙霧信息作同等或相似處理,忽略了視頻數據在時間線上的連續(xù)性和特征的非結構化關系。圖卷積網絡(GCN)與神經常微分方程(ODE)在非歐氏結構與連續(xù)模型處理上具有突出優(yōu)勢,因此將二者結合提出了一種基于視頻流和連續(xù)時間域的圖煙霧檢測模型。方法目前主流的視頻煙霧檢測模型仍以離散模型為基礎,以規(guī)則形式提取數據特征,利用ODE網絡構建連續(xù)時間模型,捕捉視頻幀間的隱藏信息,將原本固定時間跨度的視頻幀作為連續(xù)時間軸上的樣本點,充分利用模型的預測功能,補充幀間丟失信息并對未來幀進行一定程度的模擬預測,生成視頻幀的特征并交給圖卷積網絡對其重新建模,最后使用全監(jiān)督和弱監(jiān)督兩種方法對特征進行分類。結果分別在2個視頻和4個圖像數據集上進行訓練與測試,并與最新的主流深度方法進行了比較,在KMU(Korea Maritime University)視頻數據集中,相比于性能第2的模型,平均正樣本正確率(ATPR值)提高了0.6%;在2個圖像數據集中,相比于性能第2的模型,正確率分別提高了0.21%和0.06%,檢測率分別提升了0.54%和0.28%,在視頻單幀圖像集上正確率高于第2名0.88%。同時也在Bilkent數據集中進行了對比實驗,以驗證連續(xù)隱態(tài)模型在煙霧動態(tài)和起煙點預測上的有效性,對比實驗結果表明所提連續(xù)模型能夠有效預測煙霧動態(tài)并推測煙霧起煙點位置。結論提出的連續(xù)圖卷積模型,綜合了結構化與非結構化模型的優(yōu)勢,能夠獲得煙霧動態(tài)信息,有效推測煙霧起煙點位置,使煙霧檢測結果更加準確。

      中國圖象圖形學報雜志要求:

      {1}引用報刊資料,請注明作者姓名、文章標題、刊名、刊期 ;引用書籍資料,請注明作者姓名、書名、出版社、出版時間和頁碼 ;引用互聯(lián)網資料,請注明作者姓名、文獻名、網址和時間。

      {2}文章內容要求選題新穎、觀點明確、論證嚴謹、數據真實、引用準確、文字精煉,有一定的學術性、思想性和創(chuàng)新性。

      {3}文題應用最少的文字表達最多的、有價值的信息,盡可能省去“……的研究”,“……的觀察”等無特定意義的詞。

      {4}來稿需準確標注參考文獻。本刊采用文末注(對稿件中特定內容的解釋說明可采用頁下注),順序編號。著錄格式依照《信息與文獻參考文獻著錄規(guī)則》GB/T7714—2015執(zhí)行。

      {5}來稿請詳細注明作者單位、地址、科室、郵編、辦公電話、手機號碼及E-mail。

      注:因版權方要求,不能公開全文,如需全文,請咨詢雜志社

      中國圖象圖形學報

      北大期刊
      預計1-3個月審稿

      期刊主頁
      相關期刊
      我們的服務