江苏省“六大人才高峰”高层次人才项目(2013DZXX-023)
- 作品数：16 被引量：118H指数：7
- 相关作者：严云洋刘以安高尚兵杜静周静波更多>>
- 相关机构：淮阴工学院江南大学西南科技大学更多>>
- 发文基金：江苏省“六大人才高峰”高层次人才项目国家自然科学基金江苏省“青蓝工程”基金更多>>
- 相关领域：自动化与计算机技术动力工程及工程热物理更多>>
- 基于多级特征融合的视频火焰检测方法被引量：3
- 2021年
- 火焰前期一般多为小目标,但一般的火焰检测方法对于小目标的检测能力较差.为检测早期火焰,提高火灾预防能力,提出了一种融合多级特征的视频火焰检测方法,针对下采样分辨率变小导致丢失目标的问题,引入了反卷积模块,并融合深层具有较强语义信息的特征和浅层具有较强细节信息的特征,从而有效提高了火焰的检测率.所提算法在Bilkent大学火灾数据库VisiFire数据集上进行的实验表明,mAP相较于Yolov2提高了10.0%,与多种经典的深度学习算法模型相比,检测率更高.
- 严忱严云洋高尚兵朱全银
- 关键词：火焰检测目标检测
- 基于互信息和关联规则的文本特征提取方法
- 2018年
- 为改善传统互信息方法在网页分类中的效果,对互信息方法在词频、类间分布以及低信息量特征方面进行改善,提出了一种基于互信息和关联规则的文本特征提取方法。改进了传统互信息方法,引进词频和类间平衡因子,从而避免互信息对低词频特征值放大;改进互信息特征提取后,计算低信息量特征与高信息量特征的关联规则,以置信度为概率将低信息特征替换为对应规则中的高信息量特征;将置换后的样本集再进行向量化。实验表明,该方法相比传统的互信息方法具有较好的分类性能,F1值平均提高了约6%。将该方法应用于网页分类中,结果显示改进后的互信息方法在网页分类中具有较好的性能。
- 瞿学新朱全银严云洋李翔
- 关键词：互信息网页分类关联规则文本特征
- 基于GMM与三维LBP纹理的视频火焰检测被引量：5
- 2019年
- 针对候选区域提取准确度问题及火焰特征的描述能力,提出一种基于高斯混合模型(Gaussian mixture model,GMM)与三维的局部二值模式(local binary pattern,LBP)纹理特征的火焰检测算法,分析火焰在RGB与HSV两个空间中的分布规律,训练出火焰的高斯混合模型,提取火焰候选区域。重点研究火焰的纹理特征,将LBP纹理与火焰的运动特征相结合形成一种新的三维LBP纹理,提高纹理特征对火焰的分类效果。使用单分类支持向量机(one-class support vector machine,One-classSVM)分类方法,判定候选区域是否为火焰。
- 严云洋严云洋刘以安张慧珍
- 关键词：火焰检测GMM动态特征支持向量机
- 基于YOLOv2的视频火焰检测方法被引量：8
- 2019年
- 一般火焰检测方法由于对复杂场景的应变能力较差,因此检测率较低。文中提出了一种基于改进的YOLOv2网络的深度学习火焰检测方法,来自动提取火焰特征;同时,针对特征提取过程中信息丢失的问题,采用聚类选取候选框,以多尺度特征融合的方法融合高层与浅层特征信息,进一步提高了模型的检测率。在Bilkent大学火焰视频数据集上的实验结果表明,该方法的平均正检率达到了98.8%,检测速率达到40帧/s,具有较强的鲁棒性和实时性。
- 杜晨锡严云洋刘以安刘以安
- 关键词：火焰检测聚类
- 多特征融合的火焰检测算法被引量：36
- 2015年
- 视频火焰检测是复杂场景下预防火灾的重要方法。为了提高火焰的检测效率和鲁棒性,基于RGB和HSI颜色空间改进了火焰的颜色特征模型,有效地提取了疑似火焰区域;实验对比分析了火焰不同的形状结构特征,及其特征组合对火焰检测有效性的影响,提出了一种融合圆形度、矩形度和重心高度系数的火焰检测算法,然后将融合后的火焰特征输入支持向量机(SVM)中进行分类。在Bilkent大学火灾视频库上的实验结果表明,该方法高效、快速,且能适用于多种场景。
- 吴茜茵严云洋杜静高尚兵刘以安
- 关键词：特征提取支持向量机火焰检测圆形度
- 基于离群点检测的分类结果置信度的度量方法被引量：4
- 2019年
- 为度量在网络日志中网页分类模型的预测结果,将度量为可信的结果加入网址分类集合,提高网络日志中访问链接的分类效率,提出一种基于离群点检测的分类结果置信度的度量方法.采用基于Bagging构建多个弱分类器对待分类数据进行预测,并对每个预测结果构建各类别的概率向量,根据离群点检测来度量模型的预测结果是否为可信.在UCI公共数据集上,使用主流的基于k均值和基于局部密度的度量方法进行了对比实验.实验结果表明,应用基于离群点检测的分类结果置信度,基于k均值的度量方法和基于局部密度的度量方法均显著提高了准确率.另外,在工程项目爬取的网页分类中也取得了同样的效果.
- 严云洋严云洋朱全银李翔赵阳
- 关键词：离群点网页分类K均值
- 基于深度森林模型的火焰检测被引量：14
- 2018年
- 在进行视频火焰检测时,周围环境以及火焰本身亮度的变化会对背景建模造成影响。针对该问题,提出一种基于帧频提升的高斯混合背景建模方法。在当前帧和前一帧之间插入若干帧,使高斯混合模型构建出的背景更贴近当前帧的真实背景,有利于后续的目标检测和目标提取。同时,构建一种应用于火焰检测的深度森林模型,对基于帧频提升的高斯混合背景建模方法所提取的火焰候选区域,先使用双视角、深层多粒度扫描结构提取出其抽象特征,再使用深度森林模型进行火焰检测。实验结果表明,该方法能够增强火焰特征的抽象表示能力,提高火焰检测率,并且具有强鲁棒性。
- 朱晓妤严云洋刘以安刘以安
- 关键词：火焰检测高斯混合模型
- 基于轻型卷积神经网络的火焰检测方法被引量：1
- 2020年
- 提出一种基于MobileNet的轻型火焰检测方法,基于深度分离卷积和膨胀卷积的膨胀卷积模块(dilated convolution block, DCB)扩增特征的感受野,加强特征语义信息,提高了视频火焰目标的检测率;优化SSD(Single Shot Multibox Detector)检测框架,提出了一种轻型的检测模型DMSSD(Dilated MobileNet-SSD)。在PASCAL VOC数据集和Bilkent大学VisiFire数据集上进行火焰检测试验,试验结果表明火焰检测的平均精度均值分别提升了1.7%和3.8%,火焰检测速度也可达80帧/s,具有较强的鲁棒性和实用性。
- 严云洋严云洋刘以安刘以安
- 关键词：火焰检测DCB
- 基于CXANet-YOLO的火焰检测方法被引量：2
- 2023年
- 快速准确的火焰检测对于降低火灾危害具有重要意义,为了加强模型的火焰特征提取能力以及解决特征图尺寸不平衡的问题,利用XSepConv (Extremely Separated Convolution)、大卷积核、Mish激活函数等构建CXANet-block(Convolution Extremely Attention Network)作为YOLOv5的骨干网络,引入CBAM (Convolution Block Attention Module)注意力机制,提出一种基于CXANet-YOLO的火焰检测方法,通过增加通道注意力和空间注意力来提高检测性能.在自建火焰数据集上进行训练,提升模型的鲁棒性和泛化能力.实验结果表明,CXANet-YOLO模型比基准模型YOLOv5在火焰检测上具有更高的检测精度和检测速度,准确率提高了8.2%,检测速度每秒提升25帧.
- 卞苏阳严云洋龚成张冷志超祝巧巧
- 关键词：火焰检测
- 基于BEMD和SVM的火焰检测算法被引量：7
- 2017年
- 为提高火焰检测的准确性,提出了一种采用二维经验模式(BEMD)和支持向量机(SVM)的火焰检测算法。首先基于累积差分法检测运动目标,根据Ohta颜色空间找出图像中具有火焰颜色的疑似区域;其次将疑似区域图像经过BEMD分解,结合局部二值模式(LBP)对所提取到的固有模态函数(IMF)图像进行纹理特征提取;最后将提取的纹理特征结合圆形度、矩形度、重心高度输入到SVM里面进行火焰的判别。实验结果表明该方法具有较高的火焰检测率以及较低的误检率。
- 戴静严云洋范勇高尚兵周静波
- 关键词：局部二值模式火焰检测纹理特征支持向量机
