[发明专利]一种基于改进可变形卷积的Faster RCNN火灾烟雾检测方法

权利要求书

1.一种基于改进可变形卷积的Faster RCNN火灾烟雾检测方法，其特征在于：包括以下步骤：

S1:获取火灾烟雾检测数据集，并进行数据集扩充；

S2:根据火灾烟雾特有的非刚性形态，将改进的可变形卷积方式应用到Faster RCNN特征提取主干网络中，将扩充后的数据集输入到具有改进的可变形卷积方式的Faster RCNN特征提取主干网络中将进行特征提取，得到不同卷积块对应的特征图，对不同卷积块对应的特征图进行融合；

S3:将融合后的特征图输入到RPN网络中进行初步的烟雾识别，得到烟雾检测数据集中每个图片的烟雾候选框；

S4：分类回归网络基于烟雾候选框和提取到的烟雾特征，对烟雾进行最终的识别和定位。

2.根据权利要求1所述的一种基于改进可变形卷积的Faster RCNN火灾烟雾检测方法，其特征还在于：所述改进的可变形卷积方式应用到特征提取主干网络中的过程如下：

所述Faster RCNN特征提取主干网络中可变形卷积模块是将二维偏移量加入到标准卷积中的常规网格采样的位置，使得采样网格自由变形；

对于二维偏移量超出烟雾目标区域的情况，引入对数函数进行调制，使得要提取的特征集中在烟雾目标区域内。

3.根据权利要求1所述的一种基于改进可变形卷积的Faster RCNN火灾烟雾检测方法，其特征在于：所述具有改进的可变形卷积方式采用的公式如下：

其中：标准卷积核大小为3×3，W_k为权重，P_k∈{(-1,1),(-1,0),...,(1,1)}，△P_k为偏移量，△M_k为调制参数，在[0，1]范围内，K＝9。

4.根据权利要求1所述的一种基于改进可变形卷积的Faster RCNN火灾烟雾检测方法，其特征在于：公式(1)中的偏移量△P_k和调制参数△M_k是通过在相同的输入特征上应用卷积层学习得到，卷积层的输出特征、偏移量和调制参数是同时进行学习；偏移量△P_k和调制参数△M_k是通过卷积层从前一层的特征映射中学习得到，得到3k通道的参数，其中2k通道对应于学习到的偏移量，另外1k通道是获得调制标量参数的。

5.根据权利要求1所述的一种基于改进可变形卷积的Faster RCNN火灾烟雾检测方法，其特征在于：所述Faster RCNN特征提取主干网络包括可以采用：ResNet、VGG或MobileNet任意一种网络。