基于膨胀卷积和稠密连接的烟雾图像识别

为更好地提取烟雾图像的全局特征，提出一种基于膨胀卷积和稠密连接的烟雾识别方法。依次堆叠膨胀率不同的膨胀卷积，扩大卷积核的感受野，使得卷积核能够感知更广泛的烟雾图像区域，在不同膨胀卷积层之间设计稠密连接机制，促进卷积层之间的信息流通，实现烟雾图像局部特征和全局特征的融合。在此基础上，构造应用于烟雾识别的深度卷积神经网络，并在训练样本和标签的凸组合上完成训练以增强模型的泛化能力。实验结果表明，与Alexnet、VGG16等方法相比，该方法具有较好的烟雾特征表达能力，能在提高烟雾识别效果的同时，减小模型尺寸效果，其实用性较好。