• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于YOLOX輕量化網(wǎng)絡(luò)的公路監(jiān)控場(chǎng)景煙霧識(shí)別

    2022-10-17 08:09:20杜漸宋建斌胡弘毅符鋅砂
    交通運(yùn)輸研究 2022年4期
    關(guān)鍵詞:煙霧輕量化特征提取

    杜漸,宋建斌,胡弘毅,符鋅砂

    (1.招商新智科技有限公司,北京 100073;2.華南理工大學(xué)土木與交通學(xué)院,廣東 廣州 510641)

    0 引言

    截至2020 年末,我國(guó)公路總里程已達(dá)到519.81 萬(wàn)km[1]。公路運(yùn)營(yíng)安全受到全社會(huì)的廣泛關(guān)注,高速公路特別是隧道路段一旦發(fā)生火災(zāi),若不能第一時(shí)間發(fā)現(xiàn)險(xiǎn)情,往往容易演變成重特大交通事故,給人民群眾生命財(cái)產(chǎn)安全造成極大的威脅[2]。因此,火災(zāi)煙霧的及時(shí)識(shí)別與報(bào)警對(duì)于道路運(yùn)營(yíng)管理非常重要。隨著我國(guó)高速公路的監(jiān)控系統(tǒng)由初期的重點(diǎn)路段監(jiān)控逐步發(fā)展為全路段無(wú)盲點(diǎn)的視頻監(jiān)控覆蓋,基于監(jiān)控視頻圖像對(duì)公路火災(zāi)事件進(jìn)行識(shí)別研究非常重要。

    早期多采用傳統(tǒng)圖像處理方式提取圖像特征,建立煙霧識(shí)別模型。胡燕等[3]根據(jù)煙霧運(yùn)動(dòng)特征,通過(guò)Harris 檢測(cè)算法尋找特征點(diǎn),計(jì)算運(yùn)動(dòng)矢量信息,實(shí)現(xiàn)多特征煙霧識(shí)別。劉鵬[4]融合背景差分法和RGB 顏色特征檢測(cè)獲取圖像中的疑似煙霧區(qū)域,并采用Adaboost 分類器檢測(cè)煙霧面積與邊界。類似地,袁雯雯等[5]提出基于改進(jìn)高斯混合模型(Gaussian Mixture Model,GMM)的林火煙霧識(shí)別算法,融合背景差分法提取場(chǎng)景光照特征,檢測(cè)場(chǎng)景中相對(duì)完整的動(dòng)態(tài)煙霧區(qū)域。然而傳統(tǒng)圖像處理方法的特征提取能力有限,建立的模型泛化能力不強(qiáng),對(duì)于不同的場(chǎng)景,模型的檢測(cè)效果往往差別很大。隨著深度學(xué)習(xí)的發(fā)展,卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,CNN)[6]在目標(biāo)檢測(cè)領(lǐng)域中發(fā)展出Faster R-CNN[7],YOLO[8]等識(shí)別網(wǎng)絡(luò),不少學(xué)者也在煙霧識(shí)別研究中應(yīng)用了深度學(xué)習(xí)方法。楊明瀟[9]通過(guò)人工采集和公開林火煙霧數(shù)據(jù)集訓(xùn)練Faster R-CNN,SSD 和VGG神經(jīng)網(wǎng)絡(luò),基于神經(jīng)網(wǎng)絡(luò)構(gòu)建了煙霧識(shí)別可視化平臺(tái),識(shí)別準(zhǔn)確率達(dá)到75%。馮路佳等[10]提出了一種基于目標(biāo)區(qū)域的卷積神經(jīng)網(wǎng)絡(luò)火災(zāi)煙霧識(shí)別方法,構(gòu)建2 層的火災(zāi)煙霧識(shí)別模型,提取煙霧目標(biāo)區(qū)域并輸入識(shí)別層,通過(guò)卷積神經(jīng)網(wǎng)絡(luò)精細(xì)提取煙霧的深層特征后進(jìn)行分類,完成火災(zāi)煙霧的識(shí)別。Saponara等[11]基于YOLOv2網(wǎng)絡(luò)構(gòu)建了室內(nèi)火災(zāi)識(shí)別系統(tǒng)對(duì)固定場(chǎng)景火災(zāi)進(jìn)行識(shí)別報(bào)警。卷積神經(jīng)網(wǎng)絡(luò)特別是深度卷積神經(jīng)網(wǎng)絡(luò),由于具有多層線性與非線性映射參數(shù),對(duì)圖像數(shù)據(jù)的特征提取能力相較于傳統(tǒng)手工特征提取方法有了很大提高,但由于網(wǎng)絡(luò)層數(shù)多,造成網(wǎng)絡(luò)參數(shù)量大,計(jì)算復(fù)雜度高,網(wǎng)絡(luò)參數(shù)和中間層輸出占用大量計(jì)算資源和顯存,導(dǎo)致深度卷積神經(jīng)網(wǎng)絡(luò)在邊緣端需要布設(shè)多臺(tái)設(shè)備才能同時(shí)處理多臺(tái)公路監(jiān)控?cái)z像機(jī)的圖像輸入,同時(shí)為訓(xùn)練出精度滿足實(shí)際識(shí)別要求的卷積神經(jīng)網(wǎng)絡(luò)而需要導(dǎo)入大量圖像數(shù)據(jù),故對(duì)訓(xùn)練樣本的標(biāo)注質(zhì)量也有較高要求。

    針對(duì)公路場(chǎng)景煙霧識(shí)別的精度問(wèn)題,本文基于目前目標(biāo)檢測(cè)領(lǐng)域的新型網(wǎng)絡(luò)YOLOX[12]進(jìn)行研究,深入分析其結(jié)構(gòu)與特征提取優(yōu)勢(shì),同時(shí)人工收集公路場(chǎng)景煙霧圖像結(jié)合部分Smoke100K 數(shù)據(jù)集作為訓(xùn)練數(shù)據(jù)集,采用數(shù)據(jù)增強(qiáng)方法對(duì)數(shù)據(jù)集進(jìn)行擴(kuò)充,提高訓(xùn)練集的多樣性,從而提高網(wǎng)絡(luò)在不同場(chǎng)景下的識(shí)別能力。針對(duì)深層卷積網(wǎng)絡(luò)計(jì)算資源占用過(guò)多的問(wèn)題,利用深度可分離卷積方法壓縮網(wǎng)絡(luò)主體結(jié)構(gòu),實(shí)驗(yàn)階段構(gòu)建并對(duì)比分析不同結(jié)構(gòu)網(wǎng)絡(luò)的煙霧識(shí)別精確度,旨在搭建滿足精確度要求且計(jì)算資源占用盡量小的模型,實(shí)現(xiàn)基于視頻圖像的公路場(chǎng)景火災(zāi)煙霧智能識(shí)別及工程應(yīng)用。

    1 研究方法

    近年來(lái),目標(biāo)識(shí)別網(wǎng)絡(luò)在交通行業(yè)的應(yīng)用越來(lái)越普遍,YOLO 系列識(shí)別網(wǎng)絡(luò)在車輛識(shí)別[13]、行人識(shí)別[14]、交通標(biāo)志檢測(cè)[15]等任務(wù)中取得了較好的效果。然而對(duì)于公路場(chǎng)景下的煙霧識(shí)別,由于煙霧的形狀不固定,公開的訓(xùn)練數(shù)據(jù)集較少,傳統(tǒng)的目標(biāo)識(shí)別網(wǎng)絡(luò)對(duì)煙霧的識(shí)別效果一般,因此在煙霧識(shí)別任務(wù)中對(duì)目標(biāo)識(shí)別網(wǎng)絡(luò)的特征提取能力有更高的要求。同時(shí),由于公路場(chǎng)景一般由多攝像頭同時(shí)監(jiān)控,若模型參數(shù)過(guò)于龐大,對(duì)硬件算力和存儲(chǔ)需求較高,將直接導(dǎo)致計(jì)算成本大幅增加,因此追求模型精度的同時(shí)必須盡量減少網(wǎng)絡(luò)的參數(shù)量與中間層輸出。

    YOLOX 網(wǎng)絡(luò)在YOLOv5[16]的基礎(chǔ)上對(duì)模型網(wǎng)絡(luò)作了優(yōu)化,在特征提取部分采用了CSPDarknet網(wǎng)絡(luò)[17],獲取特定特征層作特征融合后,在分類回歸層中采用了YOLOHead[12]方法,對(duì)傳統(tǒng)YOLO網(wǎng)絡(luò)的分類回歸層結(jié)構(gòu)作了優(yōu)化調(diào)整。本文針對(duì)公路場(chǎng)景下的煙霧識(shí)別問(wèn)題,構(gòu)建了小型煙霧圖像數(shù)據(jù)集,網(wǎng)絡(luò)訓(xùn)練過(guò)程中在圖像預(yù)處理上采用Mosaic 數(shù)據(jù)增強(qiáng)方法[17],提升了數(shù)據(jù)的多樣性,同時(shí)為了實(shí)現(xiàn)網(wǎng)絡(luò)輕量化,采用深度可分離卷積的方法壓縮主干網(wǎng)絡(luò),構(gòu)建nano網(wǎng)絡(luò),降低了部分精度但大大精簡(jiǎn)了網(wǎng)絡(luò)結(jié)構(gòu)的總參數(shù)量。本文就YOLOX 主干網(wǎng)絡(luò)、模型輕量化方法進(jìn)行分析。

    1.1 主干網(wǎng)絡(luò)

    YOLOX 的主干網(wǎng)絡(luò)包括3 部分,分別是特征提取層CSPDarknet 網(wǎng)絡(luò)、特征融合層以及分類回歸層YOLOHead。

    1.1.1 特征提取

    CSPDarknet 網(wǎng)絡(luò)是通過(guò)堆疊多個(gè)Resblock body 模塊對(duì)圖像特征進(jìn)行提取,具體結(jié)構(gòu)見表1。首先輸入640×640 的RGB 三通道圖像并通過(guò)Focus對(duì)圖像尺寸和通道數(shù)進(jìn)行調(diào)整。利用4個(gè)堆疊的Resblock body 模塊作特征提取。Resblock body模塊由卷積層與CSPlayer 層組成,其中CSPlayer層優(yōu)化了參數(shù)數(shù)量并保留了較好的特征提取能力。最終CSPDarknet 的輸出是第2,3,4 個(gè)Resblock body模塊的輸出特征圖。

    表1 CSPDarknet結(jié)構(gòu)

    1.1.2 特征融合

    CSPDarknet 輸出的3 個(gè)特征圖會(huì)輸入至特征融合層,用作特征融合與加強(qiáng)特征提取。特征融合層采用YOLOv4 的Panet 結(jié)構(gòu)[17],輸入特征圖通過(guò)卷積層調(diào)整尺寸,通過(guò)上、下采樣層(UpSampling2D,DownSampling2D)作特征融合。特征融合層的有效輸出是部分CSPlayer層的輸出特征圖,特征融合層的具體結(jié)構(gòu)見圖1。最終用于分類回歸層的有效特征圖為輸出特征圖6,7,8。

    1.1.3 分類回歸

    完成特征融合與加強(qiáng)特征提取后,3 張輸出特征圖將分別輸入至分類回歸層YOLOHead,最終輸出網(wǎng)絡(luò)識(shí)別結(jié)果,包括物體識(shí)別的種類和標(biāo)注框的坐標(biāo)。傳統(tǒng)YOLO 系列識(shí)別網(wǎng)絡(luò)的分類回歸層通過(guò)1×1 卷積層實(shí)現(xiàn)分類和回歸同時(shí)處理,但YOLOHead 具有2 條卷積分支,其中一條卷積分支用于實(shí)現(xiàn)物體分類(Cls),輸出物體識(shí)別類型;另一條卷積分支用于判斷特征點(diǎn)中物體是否存在(Obj)和回歸標(biāo)注框坐標(biāo)(Reg)。YOLOHead的具體結(jié)構(gòu)如圖2所示。

    1.2 深度可分離卷積

    Sifre等[18]提出的深度可分離卷積是網(wǎng)絡(luò)輕量化的重要方法。該方法將標(biāo)準(zhǔn)卷積操作拆分為深度卷積和逐點(diǎn)卷積兩個(gè)步驟。通過(guò)深度可分離卷積方法,在盡量減少網(wǎng)絡(luò)精度損失的同時(shí),可大大精簡(jiǎn)網(wǎng)絡(luò)參數(shù),減少運(yùn)算量。

    標(biāo)準(zhǔn)卷積過(guò)程中,取N組具有相同尺寸(Dk×Dk×C)的卷積核對(duì)輸入圖像進(jìn)行卷積,假設(shè)需要的特征圖尺寸為(W×H×N),卷積核參數(shù)總量(P)和卷積操作的總運(yùn)算量即內(nèi)積運(yùn)算量(CA)的計(jì)算公式分別如式(1)、式(2)所示。

    標(biāo)準(zhǔn)卷積操作如圖3(a)所示,假設(shè)輸入的圖像尺寸為10×10×3,通過(guò)3×3×3 的卷積核可以卷積獲得1個(gè)8×8×1的特征圖,若堆疊256組具有相同尺寸的卷積核則可以對(duì)輸入圖像卷積獲得8×8×256 的輸出特征圖。對(duì)于該標(biāo)準(zhǔn)卷積操作,根據(jù)式(1)、式(2),該卷積層參數(shù)量為3×3×3×256,共6 912;內(nèi)積運(yùn)算量為3×3×3×256×8×8,共442 368。

    深度可分離卷積則包含2個(gè)步驟,如圖3(b)所示。第1 步是深度卷積。深度卷積的卷積核為單通道形式(3×3×1),取3 組卷積核對(duì)圖像進(jìn)行標(biāo)準(zhǔn)卷積操作,此時(shí)獲取的特征層尺寸維度為8×8×3,深度卷積的卷積核參數(shù)量為3×3×1×3,共27;總運(yùn)算量為3×3×1×3×8×8,共1 728。第2 步是逐點(diǎn)卷積。逐點(diǎn)卷積的卷積核為3 通道但尺寸為1×1,采用256組相同的1×1×3的卷積核對(duì)深度卷積的輸出圖像進(jìn)行標(biāo)準(zhǔn)卷積操作,即可獲得與標(biāo)準(zhǔn)卷積方法相同的8×8×256 輸出特征圖,逐點(diǎn)卷積的卷積核參數(shù)量為1×1×3×256,共768;總運(yùn)算量為1×1×3×256×8×8,共49 152。在完整的深度可分離卷積過(guò)程中,卷積層總參數(shù)量為27+768=795,內(nèi)積運(yùn)算量為1728+49152=50880。相較于標(biāo)準(zhǔn)卷積,深度可分離卷積的卷積層總參數(shù)量與內(nèi)積運(yùn)算量均顯著減少。

    兩種方法各自需要的卷積層參數(shù)量、內(nèi)積運(yùn)算量如表2 所示。深度可分離卷積方法可壓縮網(wǎng)絡(luò)規(guī)模和減少運(yùn)算量,在利用相同寬和高的卷積核獲取固定尺寸特征圖的過(guò)程中,深度可卷積方法的總參數(shù)量與內(nèi)積運(yùn)算量均為標(biāo)準(zhǔn)卷積方法的1/N+1/Dk2,是實(shí)現(xiàn)輕量化的關(guān)鍵。nano 網(wǎng)絡(luò)是在普通YOLOX 網(wǎng)絡(luò)的基礎(chǔ)上運(yùn)用深度可分離卷積方法精簡(jiǎn)參數(shù)構(gòu)建的輕量化網(wǎng)絡(luò)。

    表2 兩種卷積方法對(duì)比

    2 實(shí)驗(yàn)

    2.1 煙霧數(shù)據(jù)集

    本文搜集了多個(gè)高速公路路段不同監(jiān)控場(chǎng)景、不同攝像機(jī)視角下的煙霧圖像樣本,同時(shí)為了增加樣本場(chǎng)景的多樣性,數(shù)據(jù)集中加入了公開數(shù)據(jù)集Smoke100K[19]的部分煙霧數(shù)據(jù)圖像。數(shù)據(jù)集共有圖像5 367 張,對(duì)圖像中的煙霧部分進(jìn)行了人工標(biāo)注,按照7∶1∶2 劃分為訓(xùn)練集、驗(yàn)證集和測(cè)試集,部分樣本實(shí)例及標(biāo)注形式如圖4所示。數(shù)據(jù)集導(dǎo)入網(wǎng)絡(luò)訓(xùn)練前,采用Mosaic 數(shù)據(jù)增強(qiáng)方法對(duì)數(shù)據(jù)集進(jìn)行擴(kuò)充。

    2.2 數(shù)據(jù)增強(qiáng)

    由于實(shí)驗(yàn)收集標(biāo)注的煙霧數(shù)據(jù)集為小型數(shù)據(jù)集,訓(xùn)練樣本量較少且存在重復(fù)場(chǎng)景,為了增加煙霧樣本的多樣性,豐富目標(biāo)的背景,本文在圖像數(shù)據(jù)預(yù)處理過(guò)程中采用了Mosaic 數(shù)據(jù)增強(qiáng)方法[17],盡量避免網(wǎng)絡(luò)在訓(xùn)練過(guò)程中陷入過(guò)擬合,以提高網(wǎng)絡(luò)的識(shí)別精確度與泛化能力。

    Mosaic 數(shù)據(jù)增強(qiáng)對(duì)訓(xùn)練集的具體操作如圖5所示。首先從總的訓(xùn)練數(shù)據(jù)集中隨機(jī)抽取一批圖像,然后從該批圖像中隨機(jī)選出4 張,再對(duì)4 張圖像分別進(jìn)行隨機(jī)裁剪、放縮、旋轉(zhuǎn)操作,最后拼接為新的圖像并作為網(wǎng)絡(luò)訓(xùn)練的輸入圖像。需要注意的是,處理過(guò)程中的圖像是含有標(biāo)注框坐標(biāo)信息的,因此獲取的新圖像同樣含有煙霧標(biāo)注框的坐標(biāo)信息。

    2.3 實(shí)驗(yàn)設(shè)置

    本實(shí)驗(yàn)的機(jī)器配置如下:一個(gè)NVIDIA GTX-3060-12G 圖形處理器(GPU)和一個(gè)AMD Ryzen 7 5800X 中央處理器(CPU)?;谏疃葘W(xué)習(xí)框架Pytorch 搭建YOLOX 目標(biāo)檢測(cè)模型,即根據(jù)結(jié)構(gòu)與參數(shù)量的不同搭建YOLOX-m,YOLOX-s,YOLOX-tiny 和YOLOX-nano 共4 種目標(biāo)檢測(cè)模型。在訓(xùn)練階段導(dǎo)入煙霧數(shù)據(jù)集測(cè)試之前,為了提高網(wǎng)絡(luò)的泛化能力,預(yù)訓(xùn)練權(quán)重采用經(jīng)由大型數(shù)據(jù)集COCO[20]訓(xùn)練的模型參數(shù),梯度下降優(yōu)化策略采用Adam 優(yōu)化器。實(shí)驗(yàn)過(guò)程中采用兩階段訓(xùn)練法:第1 階段凍結(jié)網(wǎng)絡(luò)主體參數(shù),僅訓(xùn)練網(wǎng)絡(luò)分類層參數(shù),初始學(xué)習(xí)率設(shè)置為0.00 1;第2階段訓(xùn)練網(wǎng)絡(luò)所有參數(shù),初始學(xué)習(xí)率設(shè)置為0.00 01。實(shí)驗(yàn)過(guò)程中兩階段各訓(xùn)練60 個(gè)迭代(epoch),共訓(xùn)練120 個(gè)迭代。需要對(duì)原始圖像作預(yù)處理,壓縮為640×640 的RGB 圖像,同時(shí)不同參數(shù)規(guī)模的網(wǎng)絡(luò)每批次輸入的最大圖片數(shù)量也有所不同:對(duì)于YOLOX-m 和YOLOX-s,第1 階段每批次輸入圖像數(shù)為64,第2 階段每批次輸入圖像數(shù)為16;對(duì)于YOLOX-tiny和YOLOX-nano,第1階段每批次輸入圖像數(shù)為128,第2 階段每批次輸入圖像為32。通過(guò)實(shí)驗(yàn)設(shè)置可以發(fā)現(xiàn),網(wǎng)絡(luò)結(jié)構(gòu)越精簡(jiǎn)、參數(shù)量越少的網(wǎng)絡(luò)同一批次能處理的圖像數(shù)量越多。

    2.4 實(shí)驗(yàn)結(jié)果與分析

    本節(jié)對(duì)YOLOX 不同規(guī)模的目標(biāo)檢測(cè)網(wǎng)絡(luò)(m,s,tiny,nano)進(jìn)行對(duì)比。以精確度(Precision)作為實(shí)驗(yàn)結(jié)果評(píng)價(jià)指標(biāo),具體網(wǎng)絡(luò)參數(shù)與實(shí)驗(yàn)結(jié)果如表3所示。識(shí)別效果實(shí)例見圖6。

    表3 YOLOX不同規(guī)模網(wǎng)絡(luò)的實(shí)驗(yàn)結(jié)果對(duì)比

    由實(shí)驗(yàn)結(jié)果可知:

    (1)4 種規(guī)模的YOLOX 在公路場(chǎng)景下的煙霧識(shí)別精確度均達(dá)到90%以上。其中,tiny,s,m 網(wǎng)絡(luò)的識(shí)別精確度達(dá)到了95%以上,可以滿足實(shí)際運(yùn)營(yíng)管理要求。就同系列YOLOX 的網(wǎng)絡(luò)精度與規(guī)模而言,本次實(shí)驗(yàn)結(jié)果符合目標(biāo)檢測(cè)網(wǎng)絡(luò)的一般性結(jié)果,即:結(jié)構(gòu)層數(shù)越多、參數(shù)量越多的卷積神經(jīng)網(wǎng)絡(luò)特征提取能力越強(qiáng),模型的泛化能力越強(qiáng),識(shí)別精確度越高。

    (2)4 種網(wǎng)絡(luò)的精確度差異不超過(guò)10%。測(cè)試過(guò)程中每秒識(shí)別幀數(shù)(Frames Per Second,FPS)均大于30,但網(wǎng)絡(luò)模型大小與總參數(shù)量差異極大,tiny網(wǎng)絡(luò)和nano網(wǎng)絡(luò)在普通YOLOX 網(wǎng)絡(luò)基礎(chǔ)上作了極大的精簡(jiǎn),tiny 網(wǎng)絡(luò)模型大小及總參數(shù)量是m 網(wǎng)絡(luò)的1/5,nano 網(wǎng)絡(luò)模型大小及總參數(shù)量?jī)H為m 網(wǎng)絡(luò)的1/25,說(shuō)明在相同硬件條件下輕量化模型tiny 和nano 能處理更多的輸入圖像。由于目前高速公路運(yùn)營(yíng)管理部門普遍設(shè)置多攝像頭同時(shí)對(duì)公路交通狀況進(jìn)行監(jiān)控,而輕量化網(wǎng)絡(luò)模型能同時(shí)處理多攝像頭傳輸圖像,因此能有效減少需要布置的圖像處理設(shè)備數(shù)量,在滿足識(shí)別精確度的前提下降低設(shè)備成本。

    綜上所述,YOLOX 網(wǎng)絡(luò)模型在煙霧識(shí)別精度與速度方面均滿足使用要求,輕量化模型tiny網(wǎng)絡(luò)和nano 網(wǎng)絡(luò)在模型大小和參數(shù)量指標(biāo)上較m網(wǎng)絡(luò)和s 網(wǎng)絡(luò)有較大改善,能更好地完成多圖像并行處理的識(shí)別任務(wù),滿足對(duì)多交通視頻流同時(shí)進(jìn)行煙霧識(shí)別的工程應(yīng)用需求。

    3 結(jié)語(yǔ)

    本文通過(guò)收集并標(biāo)注多公路監(jiān)控場(chǎng)景下的煙霧圖像數(shù)據(jù)集,結(jié)合Smoke100K 部分?jǐn)?shù)據(jù)集,整理形成公路場(chǎng)景煙霧數(shù)據(jù)集;搭建并訓(xùn)練了多種結(jié)構(gòu)不同層數(shù)的YOLOX 目標(biāo)識(shí)別網(wǎng)絡(luò),對(duì)YOLOX 系列網(wǎng)絡(luò)的主體結(jié)構(gòu)與輕量化方法進(jìn)行了分析。在訓(xùn)練過(guò)程中采用Mosaic 數(shù)據(jù)增強(qiáng)手段對(duì)數(shù)據(jù)集進(jìn)行擴(kuò)充,有效地提高了模型的泛化能力。通過(guò)導(dǎo)入煙霧圖像測(cè)試集,從網(wǎng)絡(luò)識(shí)別精度、模型大小及總參數(shù)量等指標(biāo)的角度對(duì)4種YOLOX 識(shí)別網(wǎng)絡(luò)進(jìn)行對(duì)比分析,結(jié)果表明YOLOX 系列模型均能較好地完成煙霧識(shí)別任務(wù),精確度均達(dá)到90%以上,m,s 和tiny 網(wǎng)絡(luò)的識(shí)別精度達(dá)到95%以上,說(shuō)明YOLOX 網(wǎng)絡(luò)結(jié)構(gòu)具有較強(qiáng)的煙霧特征提取能力,可以滿足公路運(yùn)營(yíng)監(jiān)控對(duì)火災(zāi)煙霧事件的識(shí)別精度要求。同時(shí),基于深度可分離卷積方法構(gòu)建的輕量化網(wǎng)絡(luò)nano,煙霧識(shí)別精度比m 網(wǎng)絡(luò)和s 網(wǎng)絡(luò)略低,但模型規(guī)模遠(yuǎn)小于m 網(wǎng)絡(luò)和s 網(wǎng)絡(luò);nano 網(wǎng)絡(luò)較m 網(wǎng)絡(luò)的識(shí)別精度低8.35%,但模型大小及總參數(shù)量?jī)H為m 網(wǎng)絡(luò)的1/25,說(shuō)明輕量化模型對(duì)計(jì)算資源的占用較少,在識(shí)別精度滿足公路運(yùn)營(yíng)監(jiān)控要求的前提下適當(dāng)壓縮模型規(guī)模,可以增加同批次輸入網(wǎng)絡(luò)的圖像數(shù)量,使煙霧識(shí)別模型在邊緣端得到更好的應(yīng)用。

    此外,受Mosiac 數(shù)據(jù)增強(qiáng)方法的啟發(fā),在今后的研究中將從對(duì)樣本數(shù)據(jù)集作特征提取的角度進(jìn)一步探究輕量化模型在樣本不足條件下的訓(xùn)練精度問(wèn)題。同時(shí),注意到由于參數(shù)量減少會(huì)降低輕量化模型的特征提取能力進(jìn)而影響識(shí)別精度,后續(xù)將繼續(xù)深入研究模型輕量化與識(shí)別精度的平衡問(wèn)題,分析網(wǎng)絡(luò)各層的特征提取能力,進(jìn)一步提高公路場(chǎng)景下煙霧識(shí)別效率。

    猜你喜歡
    煙霧輕量化特征提取
    汽車輕量化集成制造專題主編
    薄如蟬翼輕若煙霧
    影視劇“煙霧繚繞”就該取消評(píng)優(yōu)
    一種輕量化自卸半掛車結(jié)構(gòu)設(shè)計(jì)
    基于Daubechies(dbN)的飛行器音頻特征提取
    電子制作(2018年19期)2018-11-14 02:37:08
    咸陽(yáng)鎖緊煙霧與塵土
    Bagging RCSP腦電特征提取算法
    瞄準(zhǔn)掛車輕量化 鑼響掛車正式掛牌成立
    專用汽車(2016年1期)2016-03-01 04:13:19
    用戶:輕量化掛車的使用體驗(yàn)
    專用汽車(2015年4期)2015-03-01 04:09:07
    基于MED和循環(huán)域解調(diào)的多故障特征提取
    亚洲精品一卡2卡三卡4卡5卡| 女性被躁到高潮视频| 丝袜人妻中文字幕| 国产免费现黄频在线看| 亚洲男人天堂网一区| av线在线观看网站| 日韩中文字幕欧美一区二区| 精品少妇一区二区三区视频日本电影| 一级毛片高清免费大全| 日韩一卡2卡3卡4卡2021年| 亚洲情色 制服丝袜| 黄色片一级片一级黄色片| 欧美日韩中文字幕国产精品一区二区三区 | 热99国产精品久久久久久7| 黄色a级毛片大全视频| 国产精品免费大片| 成人三级做爰电影| 很黄的视频免费| 免费观看a级毛片全部| 久久99一区二区三区| 国产亚洲精品久久久久5区| 老汉色av国产亚洲站长工具| 两个人免费观看高清视频| 乱人伦中国视频| 精品电影一区二区在线| 大型黄色视频在线免费观看| 身体一侧抽搐| 国产亚洲一区二区精品| 亚洲中文字幕日韩| 变态另类成人亚洲欧美熟女 | 国产亚洲精品第一综合不卡| 12—13女人毛片做爰片一| 亚洲熟女毛片儿| 一级,二级,三级黄色视频| 精品久久久久久久毛片微露脸| 99热只有精品国产| 男女午夜视频在线观看| 亚洲 国产 在线| 国产精品综合久久久久久久免费 | 成人av一区二区三区在线看| 黄色 视频免费看| 成人av一区二区三区在线看| 丝袜在线中文字幕| 老熟妇仑乱视频hdxx| av中文乱码字幕在线| 免费在线观看影片大全网站| 免费在线观看影片大全网站| 久久久久久免费高清国产稀缺| 黄网站色视频无遮挡免费观看| 中文亚洲av片在线观看爽 | 午夜福利在线免费观看网站| 国产精品一区二区在线观看99| 黑丝袜美女国产一区| 亚洲熟妇熟女久久| 久久久久久久午夜电影 | 久久久久精品人妻al黑| 精品乱码久久久久久99久播| 久久中文看片网| 国产精品免费一区二区三区在线 | 最近最新中文字幕大全免费视频| 亚洲第一青青草原| 久久国产精品男人的天堂亚洲| 女人被躁到高潮嗷嗷叫费观| 少妇粗大呻吟视频| 黄色 视频免费看| 999久久久国产精品视频| 嫩草影视91久久| 国产在线一区二区三区精| 亚洲伊人色综图| 男女午夜视频在线观看| 国产真人三级小视频在线观看| 免费黄频网站在线观看国产| 极品少妇高潮喷水抽搐| 人人妻,人人澡人人爽秒播| 亚洲国产精品sss在线观看 | 无限看片的www在线观看| 欧美日韩瑟瑟在线播放| 手机成人av网站| 国产精品一区二区精品视频观看| 国产精品98久久久久久宅男小说| 黄网站色视频无遮挡免费观看| 久久婷婷成人综合色麻豆| av线在线观看网站| 亚洲国产精品sss在线观看 | 欧美乱码精品一区二区三区| 午夜91福利影院| 热re99久久国产66热| 精品卡一卡二卡四卡免费| 757午夜福利合集在线观看| 黑人巨大精品欧美一区二区mp4| 亚洲精品国产区一区二| 国产精品综合久久久久久久免费 | 最近最新中文字幕大全免费视频| 国产伦人伦偷精品视频| 少妇裸体淫交视频免费看高清 | e午夜精品久久久久久久| 婷婷丁香在线五月| 黄色丝袜av网址大全| 久久午夜综合久久蜜桃| 黄色怎么调成土黄色| 亚洲精品成人av观看孕妇| 无遮挡黄片免费观看| 亚洲精品美女久久av网站| 亚洲精品中文字幕一二三四区| 久久久久久久久免费视频了| 啦啦啦在线免费观看视频4| 黄色a级毛片大全视频| 国精品久久久久久国模美| 亚洲国产欧美日韩在线播放| 免费久久久久久久精品成人欧美视频| 国产精品欧美亚洲77777| 亚洲欧美日韩高清在线视频| 色综合婷婷激情| 免费观看人在逋| 国产亚洲欧美98| 夜夜夜夜夜久久久久| 国产激情久久老熟女| 久久久久精品国产欧美久久久| 国精品久久久久久国模美| 国产精品乱码一区二三区的特点 | 亚洲熟妇熟女久久| 久久人妻熟女aⅴ| 男人的好看免费观看在线视频 | 亚洲成人国产一区在线观看| 一二三四社区在线视频社区8| 午夜福利在线免费观看网站| 精品福利永久在线观看| 欧美成狂野欧美在线观看| 极品人妻少妇av视频| 免费久久久久久久精品成人欧美视频| 99精品在免费线老司机午夜| av电影中文网址| 午夜两性在线视频| 自线自在国产av| 人妻 亚洲 视频| 一二三四社区在线视频社区8| 亚洲欧美一区二区三区黑人| 老鸭窝网址在线观看| 99riav亚洲国产免费| 视频区图区小说| 国产亚洲欧美精品永久| 日韩欧美在线二视频 | 亚洲成人国产一区在线观看| 亚洲av日韩精品久久久久久密| 久久99一区二区三区| 精品熟女少妇八av免费久了| 国产亚洲欧美98| 欧美日韩中文字幕国产精品一区二区三区 | 国产成人免费无遮挡视频| 91老司机精品| 一级毛片高清免费大全| 又黄又爽又免费观看的视频| 在线观看www视频免费| 精品视频人人做人人爽| 国产三级黄色录像| 老司机影院毛片| 欧美日韩乱码在线| 这个男人来自地球电影免费观看| 黄色片一级片一级黄色片| 91麻豆av在线| 黑人欧美特级aaaaaa片| 国产精品电影一区二区三区 | 久久久久精品人妻al黑| 久久人妻熟女aⅴ| 国产av又大| 国产成人欧美在线观看 | 久久精品熟女亚洲av麻豆精品| 亚洲五月婷婷丁香| 亚洲成a人片在线一区二区| 成人18禁高潮啪啪吃奶动态图| 国产在视频线精品| 老司机靠b影院| 精品一品国产午夜福利视频| 一个人免费在线观看的高清视频| 十八禁人妻一区二区| 日韩有码中文字幕| 国产精品免费大片| 日日夜夜操网爽| 成年版毛片免费区| 国产深夜福利视频在线观看| 国产免费av片在线观看野外av| 亚洲精品在线观看二区| 免费在线观看影片大全网站| videos熟女内射| 美女高潮喷水抽搐中文字幕| 叶爱在线成人免费视频播放| 久久99一区二区三区| 日韩有码中文字幕| 国产深夜福利视频在线观看| 午夜91福利影院| 亚洲午夜理论影院| 女同久久另类99精品国产91| 亚洲美女黄片视频| 高清视频免费观看一区二区| 国产伦人伦偷精品视频| 如日韩欧美国产精品一区二区三区| 亚洲精品乱久久久久久| 一级毛片精品| 又黄又爽又免费观看的视频| 久久精品亚洲精品国产色婷小说| 精品少妇久久久久久888优播| 国产片内射在线| 久久久国产成人精品二区 | 一级毛片女人18水好多| 高清av免费在线| 国产97色在线日韩免费| 日本vs欧美在线观看视频| 亚洲色图 男人天堂 中文字幕| 国产黄色免费在线视频| 亚洲av日韩在线播放| 91成年电影在线观看| 国产一卡二卡三卡精品| 美女午夜性视频免费| 免费在线观看完整版高清| 最近最新中文字幕大全免费视频| 日韩有码中文字幕| 正在播放国产对白刺激| 精品卡一卡二卡四卡免费| 亚洲国产欧美日韩在线播放| 俄罗斯特黄特色一大片| 国产精品 国内视频| 最新在线观看一区二区三区| xxxhd国产人妻xxx| 亚洲成人免费电影在线观看| 巨乳人妻的诱惑在线观看| 成人免费观看视频高清| 99riav亚洲国产免费| 欧美国产精品一级二级三级| 无限看片的www在线观看| 亚洲成人免费电影在线观看| 久久狼人影院| 国产av精品麻豆| 一进一出抽搐动态| 脱女人内裤的视频| 日本黄色视频三级网站网址 | 亚洲免费av在线视频| 免费观看精品视频网站| 精品少妇一区二区三区视频日本电影| 十八禁高潮呻吟视频| 捣出白浆h1v1| 超色免费av| 色尼玛亚洲综合影院| 在线十欧美十亚洲十日本专区| 精品人妻1区二区| 日本黄色日本黄色录像| 欧美日韩成人在线一区二区| 在线av久久热| 丝袜美足系列| 12—13女人毛片做爰片一| 国产欧美日韩一区二区三| 久久久久久久久久久久大奶| 最新在线观看一区二区三区| 美女福利国产在线| 老司机靠b影院| 亚洲av成人av| 成人黄色视频免费在线看| 久久人人爽av亚洲精品天堂| 在线观看免费视频日本深夜| 国产蜜桃级精品一区二区三区 | 亚洲专区字幕在线| 国产日韩欧美亚洲二区| 久久香蕉国产精品| 一级a爱视频在线免费观看| 男女午夜视频在线观看| 久久精品人人爽人人爽视色| 欧美人与性动交α欧美精品济南到| 久久人妻av系列| 亚洲成人免费电影在线观看| 国产一卡二卡三卡精品| 18禁裸乳无遮挡免费网站照片 | 亚洲一卡2卡3卡4卡5卡精品中文| 91老司机精品| 丰满饥渴人妻一区二区三| 两个人免费观看高清视频| cao死你这个sao货| 精品久久蜜臀av无| 岛国在线观看网站| 日韩 欧美 亚洲 中文字幕| 极品教师在线免费播放| 悠悠久久av| 国产精品免费一区二区三区在线 | 男人操女人黄网站| 午夜免费鲁丝| 12—13女人毛片做爰片一| 亚洲熟妇中文字幕五十中出 | 欧美成狂野欧美在线观看| 久久影院123| 国产精品免费视频内射| 国产蜜桃级精品一区二区三区 | 激情在线观看视频在线高清 | 人妻久久中文字幕网| 激情在线观看视频在线高清 | 首页视频小说图片口味搜索| 精品久久久精品久久久| 欧美av亚洲av综合av国产av| 久久久久久久精品吃奶| 亚洲国产中文字幕在线视频| 亚洲国产精品合色在线| 国产真人三级小视频在线观看| 亚洲国产欧美一区二区综合| 久久久国产一区二区| 亚洲一区中文字幕在线| 成年动漫av网址| 国产黄色免费在线视频| 9色porny在线观看| 欧美亚洲日本最大视频资源| 日本精品一区二区三区蜜桃| 色婷婷av一区二区三区视频| 亚洲国产精品合色在线| 国产一卡二卡三卡精品| 亚洲人成77777在线视频| 两人在一起打扑克的视频| 一级黄色大片毛片| videosex国产| 午夜成年电影在线免费观看| ponron亚洲| 欧美在线一区亚洲| 一级毛片精品| 国产高清激情床上av| 亚洲欧美激情综合另类| 国产精品一区二区精品视频观看| 久久久久久久午夜电影 | 自拍欧美九色日韩亚洲蝌蚪91| 手机成人av网站| 另类亚洲欧美激情| 中国美女看黄片| 午夜免费鲁丝| 日韩欧美国产一区二区入口| 免费观看人在逋| 免费久久久久久久精品成人欧美视频| 国产视频一区二区在线看| 亚洲精品美女久久久久99蜜臀| 欧美日韩视频精品一区| 在线观看免费高清a一片| 村上凉子中文字幕在线| 交换朋友夫妻互换小说| 91大片在线观看| 亚洲专区中文字幕在线| 中文字幕另类日韩欧美亚洲嫩草| 国产亚洲欧美精品永久| 建设人人有责人人尽责人人享有的| 天堂√8在线中文| 久久久久久亚洲精品国产蜜桃av| 免费日韩欧美在线观看| 久久亚洲精品不卡| 久久性视频一级片| 男男h啪啪无遮挡| 精品一区二区三卡| 丝袜人妻中文字幕| 国产精品一区二区免费欧美| 欧美+亚洲+日韩+国产| 久久中文字幕一级| 国产高清videossex| 国产一区二区三区视频了| 免费高清在线观看日韩| 色综合欧美亚洲国产小说| 黑人巨大精品欧美一区二区mp4| www.999成人在线观看| 很黄的视频免费| 下体分泌物呈黄色| www.999成人在线观看| 精品久久蜜臀av无| 麻豆乱淫一区二区| 国产精品九九99| 亚洲综合色网址| 丰满饥渴人妻一区二区三| 视频区欧美日本亚洲| 777米奇影视久久| 国产视频一区二区在线看| 男女床上黄色一级片免费看| 亚洲人成伊人成综合网2020| 9热在线视频观看99| 亚洲av美国av| 亚洲人成伊人成综合网2020| 下体分泌物呈黄色| 欧美老熟妇乱子伦牲交| 国产极品粉嫩免费观看在线| 两性午夜刺激爽爽歪歪视频在线观看 | 免费观看人在逋| 欧美大码av| 精品人妻1区二区| 久久精品国产亚洲av高清一级| 黄片播放在线免费| 在线观看日韩欧美| 精品久久久精品久久久| 人妻 亚洲 视频| 人人妻人人澡人人看| 午夜激情av网站| 五月开心婷婷网| 校园春色视频在线观看| 丰满饥渴人妻一区二区三| 日韩欧美免费精品| 欧美精品av麻豆av| av中文乱码字幕在线| 这个男人来自地球电影免费观看| 久久精品国产综合久久久| 精品一品国产午夜福利视频| 黄色片一级片一级黄色片| 亚洲色图av天堂| 一二三四社区在线视频社区8| 18禁裸乳无遮挡动漫免费视频| 亚洲熟女毛片儿| 五月开心婷婷网| videosex国产| 欧洲精品卡2卡3卡4卡5卡区| 精品少妇久久久久久888优播| 极品教师在线免费播放| 国产激情久久老熟女| 精品国产亚洲在线| 成人免费观看视频高清| 熟女少妇亚洲综合色aaa.| 国产精品98久久久久久宅男小说| 亚洲中文av在线| 国产成人啪精品午夜网站| 亚洲国产欧美日韩在线播放| 中文字幕另类日韩欧美亚洲嫩草| 久久影院123| 无遮挡黄片免费观看| 91国产中文字幕| 精品午夜福利视频在线观看一区| 身体一侧抽搐| 90打野战视频偷拍视频| 十八禁网站免费在线| 亚洲一区高清亚洲精品| 久久ye,这里只有精品| 国产成+人综合+亚洲专区| 欧美老熟妇乱子伦牲交| 在线观看日韩欧美| 久久精品国产综合久久久| 亚洲av成人一区二区三| 久久国产乱子伦精品免费另类| 久久精品91无色码中文字幕| 国产精品电影一区二区三区 | 国产一区二区三区综合在线观看| 精品午夜福利视频在线观看一区| 亚洲七黄色美女视频| 在线观看午夜福利视频| 在线观看免费高清a一片| 波多野结衣av一区二区av| 满18在线观看网站| 免费观看精品视频网站| 亚洲欧美色中文字幕在线| 在线观看午夜福利视频| 窝窝影院91人妻| 国产精品香港三级国产av潘金莲| 欧美亚洲 丝袜 人妻 在线| 在线观看免费高清a一片| 国产男靠女视频免费网站| 国产伦人伦偷精品视频| 操美女的视频在线观看| 成人永久免费在线观看视频| 人人妻,人人澡人人爽秒播| 亚洲第一青青草原| 久久精品成人免费网站| 国产aⅴ精品一区二区三区波| 亚洲自偷自拍图片 自拍| 国产日韩欧美亚洲二区| 亚洲av欧美aⅴ国产| 免费在线观看日本一区| 搡老岳熟女国产| 亚洲五月婷婷丁香| 日日夜夜操网爽| 另类亚洲欧美激情| 成人影院久久| 岛国毛片在线播放| 女人爽到高潮嗷嗷叫在线视频| 51午夜福利影视在线观看| 777久久人妻少妇嫩草av网站| 超色免费av| 午夜视频精品福利| 女人精品久久久久毛片| 国产不卡一卡二| 国产精品一区二区在线不卡| 亚洲精品国产精品久久久不卡| 色播在线永久视频| а√天堂www在线а√下载 | 日韩视频一区二区在线观看| 国产精品久久久久成人av| 免费人成视频x8x8入口观看| 中文亚洲av片在线观看爽 | 天天躁狠狠躁夜夜躁狠狠躁| 欧美日韩亚洲国产一区二区在线观看 | 老熟女久久久| 亚洲avbb在线观看| 亚洲男人天堂网一区| 真人做人爱边吃奶动态| 国产伦人伦偷精品视频| 亚洲欧美激情在线| 国产国语露脸激情在线看| tube8黄色片| √禁漫天堂资源中文www| 男女床上黄色一级片免费看| netflix在线观看网站| 国产成人精品无人区| 亚洲成人免费电影在线观看| 国产成人av教育| 欧美 日韩 精品 国产| 女人久久www免费人成看片| 亚洲免费av在线视频| 激情在线观看视频在线高清 | 亚洲人成伊人成综合网2020| 老司机在亚洲福利影院| 高清视频免费观看一区二区| 女人被狂操c到高潮| 热re99久久精品国产66热6| 91av网站免费观看| 成人影院久久| 18禁国产床啪视频网站| 看黄色毛片网站| 男女免费视频国产| 久久久久久久精品吃奶| 丰满饥渴人妻一区二区三| bbb黄色大片| 啦啦啦免费观看视频1| 久久人妻av系列| 91成年电影在线观看| 亚洲一区中文字幕在线| 青草久久国产| 亚洲少妇的诱惑av| 欧美中文综合在线视频| 国产一区二区三区综合在线观看| av不卡在线播放| 最新的欧美精品一区二区| 天天躁夜夜躁狠狠躁躁| 成熟少妇高潮喷水视频| 中文字幕人妻丝袜一区二区| 好看av亚洲va欧美ⅴa在| 欧美精品人与动牲交sv欧美| 每晚都被弄得嗷嗷叫到高潮| 狂野欧美激情性xxxx| a级片在线免费高清观看视频| xxxhd国产人妻xxx| 狠狠婷婷综合久久久久久88av| 国产精品免费视频内射| 黄色片一级片一级黄色片| 亚洲国产看品久久| 亚洲在线自拍视频| 午夜亚洲福利在线播放| 国产精品久久久久久精品古装| 亚洲久久久国产精品| xxxhd国产人妻xxx| 久久99一区二区三区| 身体一侧抽搐| 老司机午夜福利在线观看视频| 亚洲av美国av| 欧美成人免费av一区二区三区 | 久久久国产一区二区| 97人妻天天添夜夜摸| 十八禁网站免费在线| 免费不卡黄色视频| 变态另类成人亚洲欧美熟女 | 免费在线观看日本一区| 人妻 亚洲 视频| 久久草成人影院| 麻豆av在线久日| 不卡av一区二区三区| 99精国产麻豆久久婷婷| 午夜日韩欧美国产| 19禁男女啪啪无遮挡网站| 久久久久久久久免费视频了| 午夜福利一区二区在线看| 777米奇影视久久| 天天躁狠狠躁夜夜躁狠狠躁| 一区在线观看完整版| 女人被躁到高潮嗷嗷叫费观| 一级片'在线观看视频| 亚洲精品粉嫩美女一区| 成年版毛片免费区| 中文欧美无线码| 色老头精品视频在线观看| 久久精品国产清高在天天线| 国产一区二区三区综合在线观看| 日本撒尿小便嘘嘘汇集6| 国产亚洲av高清不卡| 国产成人精品无人区| 欧美国产精品一级二级三级| 免费观看精品视频网站| 国产精品1区2区在线观看. | 国产午夜精品久久久久久| 自拍欧美九色日韩亚洲蝌蚪91| 伊人久久大香线蕉亚洲五| 如日韩欧美国产精品一区二区三区| 在线观看舔阴道视频| av有码第一页| 91老司机精品| 色在线成人网| 国产精品九九99| 国产精品欧美亚洲77777| 一级a爱片免费观看的视频| 免费不卡黄色视频| 自线自在国产av| 精品熟女少妇八av免费久了| 欧美成人午夜精品| 99精国产麻豆久久婷婷| 又紧又爽又黄一区二区| 亚洲精品乱久久久久久| 亚洲精品美女久久av网站| 国产精品98久久久久久宅男小说| 精品一区二区三区四区五区乱码| 午夜福利,免费看| 不卡av一区二区三区| 操出白浆在线播放| 久久天堂一区二区三区四区| 欧美人与性动交α欧美软件| 亚洲一卡2卡3卡4卡5卡精品中文| 久久久精品免费免费高清| 国产成+人综合+亚洲专区| 亚洲人成电影免费在线| 宅男免费午夜| 757午夜福利合集在线观看| 美女 人体艺术 gogo| 欧美老熟妇乱子伦牲交| 成年人午夜在线观看视频| 久久这里只有精品19| 热99久久久久精品小说推荐|