声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-2223/N
国际刊号：1000-0054
发布日期:
作者：李悦明, 黄国忠, 王波, 高学鸿, 孙占辉, 潘睿
单位：1. 北京科技大学 大安全科学研究院, 北京 100083;<br>2. 清华大学 工程物理系, 公共安全研究院, 北京 100084
关键词：古建筑,消防危险品,CA-SRGAN,深度学习
基金：国家重点研发计划项目(2021YFC1523502)
2010—2022年, 古建筑火灾事故频繁发生, 对珍贵历史文物的保护提出了巨大挑战。为应对这一挑战, 该研究提出一种基于图像超分辨率技术的消防危险品检测模型, 用于识别易燃物品和可燃物品。在实际应用中, 应准确归类危险品, 并精确定位危险品的位置, 由于普通摄像头图像的分辨率均较低, 因而采用图像超分辨率生成对抗网络(super-resolution generative adversarial network, SRGAN)算法重建图像; 此外, 引入坐标注意力机制提高检测精度, 并使用完整交并比(complete intersection over union, CIoU)损失函数加速模型训练。这一综合方法可有效检测古建筑区域内的消防危险品。使用测试数据集对该模型进行了一系列实验, 结果表明： 改进后的模型具有0.830的平均精度均值(mean average precision, mAP)和0.940的精确率; 在服务器上, 该模型的推理速度高达92 fps。该文提出模型有效且高效, 为古建筑火灾防控工作提供了强大的技术支持。
来源：2024年第11期
《清华大学学报(自然科学版)》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。