基于改进SqueezeNet的火焰识别算法

摘要： 针对现有火焰识别算法在效率上的不足，设计1种轻量高效的深度学习模型。模型基于SqueezeNet进行优化，引入双分支注意力机制以强化对火焰特征的识别能力，提升模型分类性能；同时，加入残差连接，提高网络的训练稳定性和特征表达能力；通过使用批通道归一化技术提高网络的泛化性能；此外，通过将Fire模块中的3×3标准卷积核替换为深度可分离卷积，进一步降低参数数量和计算复杂度，并通过多个... （共8页）