基于合成烟雾图像的深度领域自适应视频烟雾检测
计算机视觉与模式识别
2017-09-26 v1
摘要
本文提出了一种基于深度领域自适应的视频烟雾检测方法，以提取强大的烟雾特征表示。由于用于深度 CNN 训练的烟雾图像样本在规模和多样性上有限，我们系统地生成了充足的合成烟雾图像，这些图像在烟雾形状、背景和光照条件方面具有广泛的变化。考虑到合成与真实烟雾图像之间的外观差距（数据集偏置）会显著降低训练模型在完全由真实图像组成的测试集上的性能，我们构建了基于领域自适应的深度架构，以混淆从合成和真实烟雾图像中提取的特征分布。该方法扩展了烟雾图像样本的领域不变特征空间。由于非烟雾图像的特征分布近似，与直接在合成和真实图像混合数据集上训练的模型相比，训练模型的识别率得到了显著提高。在实验中，几种具有不同设计选择的深度架构被应用于烟雾检测器。最终框架在测试集上取得了令人满意的结果。我们相信，我们的方法是利用由合成烟雾图像增强的深度神经网络进行视频烟雾检测方向的一个开端。
引用
@article{arxiv.1703.10729,
title = {Deep Domain Adaptation Based Video Smoke Detection using Synthetic Smoke Images},
author = {Gao Xu and Yongming Zhang and Qixing Zhang and Gaohua Lin and Jinjun Wang},
journal= {arXiv preprint arXiv:1703.10729},
year = {2017}
}
备注
The manuscript approved by all authors is our original work, and has submitted to Fire Safety Journal for peer review previously. There are 4516 words, 8 figures and 2 tables in this manuscript