华南理工大学学报(自然科学版)

作者：周浪, 樊坤, 瞿华, 等

单位：北京林业大学 经济管理学院，北京 100083

关键词：深度学习,图像识别,森林火灾,EfficientNet-E,注意力机制

基金：北京林业大学中央高校基本科研业务费专项资金资助项目(2023SKY06);国家自然科学基金资助项目(71901027);教育部人文社科基金资助项目(21YJA630012)

火灾的发生给社会带来了巨大损失，森林火灾防治任务日益迫切，而全球变暖的趋势使得这一问题更加复杂。深度学习在各行各业发挥着重要作用，大量模型也被不断地设计和提出，且模型改进的方式多种多样。文中提出了EfficientNet-E模型，它利用更为先进的ECA模块（高效通道注意力模块）来替换EfficientNet模型中的SE模块，通过增强注意力机制性能提升模型的性能。相较于SE模块，ECA模块更好地保留了传输中的信息，使得数据特征在传输过程中保留更充分，从而能够优化模型。为验证EfficientNet-E模型的性能，以及EfficientNet设计思想在森林火灾识别问题上相较于传统模型的优势，文中选取了经典模型中的代表——ResNet和DenseNet作为对照参考，并结合EfficientNet和EfficientNet-E进行了相关实验。实验选用3 303张森林火灾、非火灾和烟雾图片。多轮试验结果显示，EfficientNet-E在识别森林火灾数据上的效果要好于常规的经典深度学习模型，且相较于原始EfficientNet的平均准确率（89.28%），EfficientNet-E的平均准确率（90.04%）有所提升，标准差更小，训练稳定性也更好，从而证实了改进后的EfficientNet-E性能更加优良。

来源：2024年第2期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2024年第2期