ilydouble
commented
6 years ago 100X100的数据比较小，这些烟雾是不是充满了整个图像，是不是在有的图像里有很浓的，有的是很淡的？ 其实我们这个做烟雾检测主要是针对视频的，我们会通过帧差法提取前景，然后在选取的前景上再次执行烟雾检测程序，核心原理是截取不同大小的块进行分类判断，这个原理也就是早期的检测方法。后面fasterRNN已经进步多了。 接下来有两个方向 １ 优化一下分类 ２ 开始探索检测问题。 如果优化一下分类，可以定义多个任务，可以生成和扩大数据集合，也可以考虑多尺度的分类问题。 如果探索检测问题，就需要把fastRCNN了解一下，之前我们组作报告都讲过，你可以请教林成龙，也可以看论文
图像分类结果
数据集
取自ustc网站中图片数据，选取其中100*100像素图片，网站http://staff.ustc.edu.cn/~yfn/vsd.html
网络
CNN，框架是tensorflow和keras
训练网络
batch-size为32
迭代次数为20
学习率为0.0004
数据集总数量10879张，无烟雾数据集数量共5942张，有烟雾数据共4937张。
其中训练集：验证集：测试集约为4：1：1.5（6610：1611：2658），训练集和验证集中有烟无烟数据均
约1：1
结果
True Positive: 1543
True Negative: 619
False Positive: 210
False Negative: 281
Precision: 0.8802053622361665
Recall: 0.8459429824561403
F-measure: 0.8627341347497902