基于深度学习的林火图像识别方法研究开题报告

全文总字数：873字

1. 研究目的与意义

森林对于人类的生存和发展有着深远的影响，但森林火灾是森林防护的最大威胁，它不仅可以毁灭森林甚至可以威胁到生命安全，因此如何对森林火 灾的发生尽早作出检测和警报，已成为各国研究的重要课题，尤其是森林覆盖率高的国家，林火识别工作在森林火灾预警中显得尤为重要。

2. 国内外研究现状分析

关于森林火灾监测的研究尚处于发展阶段。有很多的方法被初步提出和使用，比如数学分析为主的《基于样条的林火图像多阈值分割算法》。其中基于深度学习特别是CNN的相对较少，比如《基于稀疏自编码深度神经网络的林火图像分类》初步预计深度网络的效果好于普通BP。《Early Fire Detection using Convolutional Neural Networks during Surveillance for Effective Disaster Management》和《基于深度学习的林火图像识别算法及实现》提示了CNN在识别林火方面的优越性。

3. 研究的基本内容与计划

考虑到python特别是numpy的强大功能，和TensorFlow和Keras是基 于python的工具，所以使用ipython作为平台。

目前意向是使用近年来在图像识别表现良好的resnet50，可以使用其在ImageNet上训练过的参数而不是随机初始化，预计可以极大程度提升准确率。随后去除网络最后的一层或数层进行训练，主要是用火和其他图片作为训练集，特别是要注意搜集着火森林和普通森林的图片。最后就是调参包括学习率和batch size使网络的F1 score更高。

4. 研究创新点

由于深度CNN网络在图像识别方面表现出了惊人的优势，所以同样使用深度CNN的我们预期可以得到更高的准确率。

训练网络往往需要很多的train样本来得到更好的结果，相反在样本数量较少时得到的效果可能非常差比乱猜好不了多少，所以必须采用一定的迁移学习。同时由于火自身有明显特点，我们可以不仅仅用森林火灾图像进行训练，而是使用一般的火焰进行训练，预期也能得到不错的结果。