【技术实现步骤摘要】
模型训练及烟雾检测方法、装置、电子设备及存储介质
[0001]本申请实施例涉及深度学习
,具体而言,涉及一种模型训练及烟雾检测方法、装置、电子设备及存储介质。
技术介绍
[0002]火灾是当前普遍发生且危害性极大的灾害之一,它关系到人们的生命财产安全,因此,对火情的监控和预防一直是火灾防治
的重要研究内容。烟雾作为火情的早期表现,是及时发现火情的有力证据。
[0003]目前,烟雾主要是通过传统的烟雾报警器进行监测的,但是,在实际的使用中,烟雾报警器通常安装在室内的屋顶,当烟雾浓度达到一定阈值才会产生告警,因此,现有的烟雾报警器存在局限性,例如,在室内空间较大时会造成告警延迟,在野外由于烟雾扩散可能会导致无法使用。
技术实现思路
[0004]本申请实施例的目的在于提供一种模型训练及烟雾检测方法、装置、电子设备及存储介质,用以克服烟雾报警器的局限性,实现烟雾的快速、精准检测。
[0005]为了实现上述目的,本申请实施例采用的技术方案如下:
[0006]第一方面,本申请实施例提供了一种模型训练方法,所述方法包括:
[0007]获取训练集,其中,所述训练集包括多个输入图像和每个所述输入图像的二值掩膜图像,所述二值掩膜图像采用不同的数值表征所述输入图像的烟雾区域和背景区域;
[0008]将所述训练集输入预先建立的烟雾检测模型,利用所述烟雾检测模型进行多尺度特征提取,得到所述输入图像的特征图;
[0009]利用所述烟雾检测模型对所述特征图进行预测,得到所 ...
【技术保护点】
【技术特征摘要】
1.一种模型训练方法,其特征在于,所述方法包括:获取训练集,其中,所述训练集包括多个输入图像和每个所述输入图像的二值掩膜图像,所述二值掩膜图像采用不同的数值表征所述输入图像的烟雾区域和背景区域;将所述训练集输入预先建立的烟雾检测模型,利用所述烟雾检测模型进行多尺度特征提取,得到所述输入图像的特征图;利用所述烟雾检测模型对所述特征图进行预测,得到所述特征图中的每个特征点映射到所述输入图像中的区域为烟雾区域的预测值;根据所述输入图像的二值掩膜图像,生成每个所述特征点的标签,所述标签表征所述特征点映射到所述输入图像中的区域为烟雾区域的真实值;基于每个所述特征点的预测值和标签、以及预设的损失函数,对所述烟雾检测模型进行训练,得到训练后的烟雾检测模型。2.如权利要求1所述的方法,其特征在于,所述获取训练集的步骤,包括:获取M个原始图像,其中,所述原始图像带标签,所述标签表征所述原始图像中烟雾区域的轮廓;基于所述M个原始图像,得到多个输入图像,其中,所述多个输入图像包括所述M个原始图像和N个增强图像,所述N个增强图像是分别对N个原始图像进行图像增强处理得到的,且N≤M;针对每个所述输入图像,对所述输入图像的烟雾区域和背景区域进行二值化处理,生成每个所述输入图像的二值掩膜图像。3.如权利要求1所述的方法,其特征在于,所述烟雾检测模型包括三个不同尺度的降采样单元、两个不同尺度的上采样单元和一个输出单元;所述利用所述烟雾检测模型进行多尺度特征提取,得到所述输入图像的特征图的步骤,包括:利用第一个降采样单元对所述输入图像进行特征提取及降采样,得到第一输入特征图,所述第一输入特征图的大小为所述输入图像的1/8;利用第二个降采样单元对所述第一输入特征图进行特征提取及降采样,得到第二输入特征图,所述第二输入特征图的大小为所述输入图像的1/16;利用第三个降采样单元对所述第二输入特征图进行特征提取及降采样,得到第三输入特征图,所述第三输入特征图的大小为所述输入图像的1/32;利用第一个上采样单元对所述第三输入特征图进行特征提取及上采样得到第一中间特征图,并将所述第一中间特征图和所述第二输入特征图进行合并得到第一输出特征图,所述第一中间特征图和所述第一输出特征图的大小均为所述输入图像的1/16;利用第二个上采样单元对所述第一输出特征图进行特征提取及上采样得到第二中间特征图,并将所述第二中间特征图和所述第一输入特征图进行合并得到第二输出特征图,所述第二中间特征图和所述第二输出特征图的大小均为所述输入图像的1/8;利用所述输出单元对所述第二输出特征图进行特征提取并减少通道数,得到所述特征图,所述特征图的大小为所述输入图像的1/8且通道数为1。4.如权利要求1所述的方法,其特征在于,所述二值掩膜图像和所述特征图的大小满足设定降采样率;
所述根据所述输入图像的二值掩膜图像,生成每个所述特征点的标签的步骤,包括:针对每个所述特征点,确定所述特征点映射到所述二值掩膜图像中的映射区域;根据所述设定降采样率和所述映射区域中每个像素点的数值,利用预设公式计算所述映射区域内的烟雾占比;其中,r
ij
表示所述烟雾...
【专利技术属性】
技术研发人员:王磊,汪昊,
申请(专利权)人:重庆紫光华山智安科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。