买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广州铁路投资建设集团有限公司;中铁建工集团第五建设有限公司;中铁建工集团有限公司

摘要：针对复杂的施工现场环境，为有效提高工地现场火灾识别效率，减少不必要的人员伤亡，本发明提供一种基于深度模型融合框架的施工现场火灾识别方法及装置，以借助人工智能图像识别技术，通过提取鲁棒的火灾图像特征，从而提高火灾自动识别的准确率。首先，通过设计独立损失函数，让各深度学习特征取通道进行独立训练，避免通道间的相互干扰，学习更多火灾相关的信息。其次，在特征的融合阶段，设计了自适应特征融合模块，通过引入残差思想和注意力机制，通过计算生成注意力融合因子，有效的实现不同通道间特征的自适应融合，避免了特征直接拼接所带来的线性不相干问题，最大限度的发挥模型所提取特征的表征能力。

主权项：1.一种基于深度模型融合框架的施工现场火灾识别方法，其特征在于，包括：将所获得的施工现场火灾图片作为深度模型融合框架的输入；施工现场火灾图片输入至深度模型融合框架中进行卷积操作，得到图片的抽象表征信息conv；将抽象表征信息conv分别送进相互平行的两个特征提取通道中进行特征学习，并进行迭代优化，当两个特征提取通道的损失小于阈值时，将两个特征学习通道的输出通过拼接的方式进行融合，得到拼接融合结果；将拼接融合结果输入到自适应特征融合模块中，通过自适应特征融合模块的特征相关性学习，计算注意力融合因子，对拼接融合结果进行加权融合，得到加权融合结果；将加权融合结果输入到支持向量机进行火灾情况判别；所述相互平行的两个特征提取通道分别是全局特征学习通道和序列特征学习通道；所述全局特征学习通道采用卷积神经网络；所述序列特征学习通道采用长短期记忆网络；所述卷积神经网络将用于学习施工现场火灾图片的火灾全局信息；所述长短期记忆网络用于学习施工现场火灾图片的序列信息；所述自适应特征融合模块包括点乘卷积PWconv、全局平均池化GAP和批标准化BN；将拼接融合结果Fx输入到点乘卷积模块中生成Px，如下式：Px＝PWconvBNGAPPWconvFx；引入ReLu函数提高Px的非线性特性，同时用Sigmoid函数生成各通道的注意力融合因子Attention，如下式：Attention＝SigmoidReLuPx；用注意力融合因子Attention乘于Fx生成自适应融合特征Output，如下式：Output＝Fx*Attention。

全文数据：

权利要求：

百度查询： 广州铁路投资建设集团有限公司 中铁建工集团第五建设有限公司 中铁建工集团有限公司 基于深度模型融合框架的施工现场火灾识别方法及装置