高杨

（西藏自治区科技信息研究所，西藏 拉萨 850008）

0 引言

随着全国范围内的城镇乡村不断融合，人员聚集度越来越高，火灾防控压力急剧增加。据统计，2020年全国共接报火灾25.2万起，含重大火灾1起，较大火灾65 起，1183 人死亡，775 人受伤，造成40.09 亿元财产损失［8］，其中很多是没有配备有效的火灾探测器/探测系统导致的。

实现更早、更有效地发现火灾，在楼道、房间等室内布局监测点的同时，室外的大场景火灾监测也极为重要。针对传统点式传感器融合的火灾探测技术无法处理大场景的检测需求，越来越多的科研人员将发展突破口瞄准了人工智能技术。宋卫国等［1］运用BP神经网络开展火灾探测，对比常规火灾探测系统，改算法检测精度有所提高。Qiu G Q 等［2］运用改进帧差法捕捉火焰运动的特征,依据Lab 颜色空间捕捉火焰颜色的特征，判断图像中是否存在火情，算法能提高检测率，但普适性较低。Dunnings A J 等［3］应用In‐ception 网络，研究了实时范围内视频（或静止）图像中火像素区域的自动检测，降低网络架构的复杂度，相对性能得到提升。李杰等[4-7]将火灾探测与卷积神经网络进行深层次结合，提升检测性能。本文主要在前人研究基础上，进一步提升深度神经网络在火灾探测上应用的检测速度。

1 卷积神经网络

为解决传统神经网络连接计算量大、泛化能力弱、缺乏特征描述的问题，拥有局部感知的前馈神经网络卷积神经网络（CNN）应运而生。经典卷积神经网络有AlexNet、VGGNet、GoogLeNet 等。CNN 一般包含卷积层、池化层和全连接层。……