基于深度卷积生成对抗网络的视频火焰检测
计算机视觉与模式识别
2019-02-06 v1
摘要
实时火焰检测在基于视频的监控系统中至关重要。我们提出一种利用深度卷积生成对抗网络（DCGANs）的视觉方法来检测火焰。许多现有的使用卷积神经网络的监督学习方法未考虑时间信息且需要大量标注数据。为对含火焰与不含火焰的序列获得鲁棒表示，我们提出一种利用时空火焰演化的 DCGAN 两阶段训练。我们的训练框架包括对 DCGAN 用真实时空图像（即时间切片图像）与噪声向量进行常规训练，以及不使用生成器而用时间火焰图像单独训练判别器。实验结果表明，所提方法能有效检测视频中的火焰，且实时误报率可忽略。
引用
@article{arxiv.1902.01824,
title = {Deep Convolutional Generative Adversarial Networks Based Flame Detection in Video},
author = {Süleyman Aslan and Uğur Güdükbay and B. Uğur Töreyin and A. Enis Çetin},
journal= {arXiv preprint arXiv:1902.01824},
year = {2019}
}