, ,

将迁移学习应用于森林火灾检测

GitHub分支 阅读教程

为了获得满意的图像分类结果,通常需要完成费时费力的数据采集和注释任务。 迁移学习技术可以减少添加新类所需的图像数量和训练时间,借此成功应对这一挑战。 在本则用例中,这一技术被应用于野外火灾检测,不仅能够检测有无火灾,还可以应用于许多其他情况。

方法

– 教程介绍了如何使用一种名为“迁移学习”的技术快速训练深度学习模型,来完成图像分类。
– 教程基于计算机视觉功能包FP-AI-VISION1

传感器

视觉:摄像头模块捆绑包(参考:B-CAMS-OMV

数据

数据集用于森林火灾检测的数据集(许可证CC BY 4.0)
数据格式
两类:有火和无火
RGB图像250x250x3

结果

模型:MobileNetV2 alpha 0.35

输入大小:128x128x3

存储器占用:
403 KB Flash存储器用于加权
225 KB RAM用于激活

准确率:
浮点模型:98%
量化模型:98%

400 MHz时STM32H747(高性能)的性能
推理时间:112 ms
帧率:8.9 fps

STM32Cube.AI 火灾探测用例混淆矩阵