FireMatch：基于一致性与分布对齐的半监督视频火灾检测网络
计算机视觉与模式识别
2023-11-10 v1 人工智能
摘要
深度学习技术极大提升了视频中火灾检测的性能。然而，基于视频的火灾检测模型严重依赖标注数据，而数据标注过程尤其昂贵且耗时，在处理视频时更为突出。考虑到标注视频数据数量有限，我们提出一种称为 FireMatch 的半监督火灾检测模型，其基于一致性正则化与对抗分布对齐。具体而言，我们首先将一致性正则化与伪标签结合。对于无标签数据，我们设计视频数据增强以获得相应的弱增强和强增强样本。所提模型预测弱增强样本并保留高于阈值的伪标签，同时在强增强样本上训练以预测这些伪标签，从而学习更鲁棒的特征表示。其次，我们通过对抗分布对齐生成视频跨集增强样本，以扩展训练数据并缓解因标注数据不足导致的分类性能下降。最后，我们引入公平性损失以帮助模型对输入样本产生多样化预测，从而解决火灾分类场景中非火类高置信度的问题。FireMatch 在两个真实火灾数据集上分别取得了 76.92% 和 91.81% 的准确率。实验结果表明，所提方法优于当前最先进的半监督分类方法。
引用
@article{arxiv.2311.05168,
title = {FireMatch: A Semi-Supervised Video Fire Detection Network Based on Consistency and Distribution Alignment},
author = {Qinghua Lin and Zuoyong Li and Kun Zeng and Haoyi Fan and Wei Li and Xiaoguang Zhou},
journal= {arXiv preprint arXiv:2311.05168},
year = {2023}
}