#542 · 主分类： 计算机视觉
fire-detection-cnn
cnn-architecture
cnn-for-visual-recognition
computer-vision
convolutional-networks
convolutional-neural-networks
deep-learning
deep-learning-algorithms
deep-neural-networks
fire-detection
fire-detector
firenet
inceptionv1-onfire
machine-learning
network-architecture
object-detection
robot-vision
superpixel-segment
superpixels
tensorflow
tensorflow-examples
基于卷积神经网络（深度学习）的视频图像实时火灾检测——来自我们的ICIP 2018论文（Dunnings / Breckon）及ICMLA 2019论文（Samarth / Bhowmik / Breckon）
项目最后更新：07/22/21
GitHub Stars
571
Forks数量
173
贡献者数量
7
许可证
MIT
收录理由
这个仓库专注于单帧图像中的火焰检测，不依赖运动或时序信息，适合对实时性要求高的场景。它提供了多种卷积神经网络结构，包括FireNet以及InceptionV1/V3/V4的变体，每种都附有预训练权重，你可以根据硬件条件和误报容忍度在检测精度与处理速度之间做取舍。基于超像素的模型更进一步，把每帧图像分割成SLIC区域并逐一分类，这样不仅能判断画面里有没有火，还能大致标出火焰所在的位置，比单纯输出一个整帧标签更有用。项目背后有两篇同行评审的论文支撑，如果你需要在论文里引用方法或者复现报告中的准确率，这些资料会省去不少麻烦。对于做安全监控或机器人视觉的团队来说，不同模型之间的性能对比和选择建议，是一个很实在的参考起点。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。