基于改進SqueezeNet的火焰識別算法

摘要： 針對現(xiàn)有火焰識別算法在效率上的不足，設(shè)計1種輕量高效的深度學(xué)習(xí)模型。模型基于SqueezeNet進行優(yōu)化，引入雙分支注意力機制以強化對火焰特征的識別能力，提升模型分類性能；同時，加入殘差連接，提高網(wǎng)絡(luò)的訓(xùn)練穩(wěn)定性和特征表達能力；通過使用批通道歸一化技術(shù)提高網(wǎng)絡(luò)的泛化性能；此外，通過將Fire模塊中的3×3標準卷積核替換為深度可分離卷積，進一步降低參數(shù)數(shù)量和計算復(fù)雜度，并通過多個... （共8頁）