[发明专利]一种基于注意力机制实现端到端的森林火灾检测算法

说明书

本发明公开了一种基于注意力机制实现端到端的森林火灾检测算法，包括步骤S1：收集森林火灾事件系列图片，并对其进行预处理；S2：将森林火灾事件系列图片的特征分为浓烟与火焰两个特征表现；根据相对应的特征表现，依次为第一数据集中拼接图赋予第一标签与第二标签进行标注；S3：采用卷积神经网络对拼接图提取2D特征，并采用交叉注意力机制将提取出的2D特征进行特征融合；S4：采用标准COCO数据集进行预训练，并通过迁移学习将其迁移至第一数据集进行训练；按比例划分为训练集与测试集，将训练集送入网络模型中进行迭代训练，得到最优模型；S5：将测试集中的拼接图送入训练好的最优模型中，确认拼接图目标中的类别及位置，输出最终结果。

技术领域

本发明涉及计算机图像识别技术领域，具体涉及一种基于注意力机制实现端到端的森林火灾检测算法。

背景技术

森林火灾不仅会对自然环境造成严重的危害，而且会对人民财产安全造成不可估量的损害。如何通过有效的手段做到及时预警，及时发现，及时处理成为当前火灾检测领域一个至关重要的研究方向。目前火灾检测主要通过以下两种方式：一种是通过红外相机和温度传感器组合的方式进行检测。当火灾发生时，由于局部环境温度会升高，通过红外相机和温度传感器可以有效的检测出环境温度的变化，从而可以判断出是否有火灾发生。另一种方式是通过基于深度学习的目标检测手段，对大量火灾数据进行训练，从而可以达到对火灾的识别和定位。第一种方法很大程度上受制于红外相机和温度传感器的安装环境，比如发电锅炉及炼钢厂附近，那么该设备的准确率将大大降低。第二种方法虽然简单有效，但是却需要提前手工设计Anchor机制，这对于非计算机视觉人员来说是非常困难的；其次目前主流的目标检测算法，还不能实现真正意义上的端到端的处理，一般都需要一个后处理阶段NMS(非极大值抑制)，正因为有了NMS操作，模型在调参上就变得异常复杂，而且即使训练好了一个模型，部署起来也非常困难，因为并非所有的硬件设备都支持这一操作。

有鉴于此，特提出本申请。

发明内容

本发明的目的是提供一种基于注意力机制实现端到端的森林火灾检测算法，该方法不仅可以保证火灾识别过程的高效快速，还能进一步的提高火灾识别的准确率，最终优化算法的复杂度，提升其整体性能。

本发明通过下述技术方案实现：

一种基于注意力机制实现端到端的森林火灾检测算法，包括步骤：

S1：收集森林火灾事件系列图片，并对其进行预处理；先对系列图片进行数据增强，之后按照随机裁剪与随机排布的方式进行拼接生成拼接图，将多个生成的拼接图进行组合生成第一数据集，并对第一数据集引入预设高斯噪声；

S2：将森林火灾事件系列图片的特征分为浓烟与火焰两个特征表现；根据相对应的特征表现，依次为第一数据集中拼接图赋予第一标签与第二标签进行标注；并将标注后的拼接图按照其特征表现的标签，生成与该图片对应的标签组团，并按序显示其标签类别；

S3：采用卷积神经网络对拼接图提取2D特征，并采用交叉注意力机制将提取出的2D特征进行特征融合；其预测头采用前向网络FFN对拼接图的类型信息与定位框进行预测，其中定位框采用匈牙利算法进行二分图匹配，并对损失函数进行优化；在多次优化后输出唯一定位框；

S4：采用标准COCO数据集进行预训练，并通过迁移学习将其迁移至第一数据集进行训练；将第一数据集按比例划分为训练集与测试集，将训练集送入网络模型中进行迭代训练，并采用自适应梯度下降算法调节其学习率，得到最优模型；

S5：根据上述步骤S4的训练结果，将测试集中的拼接图送入训练好的最优模型中，确认拼接图目标中的类别及位置，输出最终结果。

进一步的，在上述步骤S1中，预处理过程采用Mosaic-4方法进行数据增强，并选取4张系列图片进行拼接组合，输出一张拼接图。