计算机工程与科学

作者：付燕, 杨旭, 叶鸥

单位：（西安科技大学计算机科学与技术学院，陕西 西安 710600）

关键词：烟雾识别,卷积神经网络,自注意力机制,特征融合,

基金：中国博士后科学基金(2020M673446)

当前许多烟雾识别方法存在虚警率较高的问题，部分原因是当前大部分卷积神经网络(CNN)在特征提取过程中主要关注烟雾图像的局部信息，而忽略了烟雾图像的全局特征。这种偏重于局部信息的处理方式在处理多变且复杂的烟雾图像时，容易导致误判的情况发生。为了解决这一问题，需要更加准确地捕捉烟雾图像的全局特征，从而改善烟雾识别方法的准确性。因此，提出了一种结合Inception和Transformer结构的双分支烟雾识别方法TCF-Net。该方法改进了Inception模型，既丰富了特征种类，又减少了通道数的冗余；其次，引入了Transformer中的自注意力机制，将自注意力机制学习全局上下文信息的能力与卷积神经网络学习局部相对位置信息的能力相结合，在特征提取过程中嵌入了特征耦合模块FCU，连续地对双分支中的局部特征和全局信息进行交互，以最大程度保留双分支中的局部信息和全局信息，提高本文方法的性能。该方法能够对视频帧进行分类，将其识别为3种状态：黑色烟雾、白色烟雾和无烟雾。实验结果显示，改进后的烟雾识别方法可以更好地提取烟雾的特征，在降低虚警率的同时将准确率提升至97.8%，证实了该方法具有较好的性能。

来源：2024年第11期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2024年第11期