原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明属于图像识别技术领域，尤其为一种基于YOLOv3的秸秆焚烧火焰识别检测方法，该方法包含如下步骤，步骤1，准备数据集：对整个YOLOv3网络采用公开的火焰识别检测数据集进行训练，步骤2，构建网络模型：YOLOv3的主干网络采用了网络结构Darknet53,它是由一系列1*1和3*3的卷积层组成，总共53层，在图像特征提取的方面，它借鉴了残差网络的操作，在特定的层与层之间添加了快捷链路，提出一种基于图卷积神经网络与目标检测相结合的两阶段秸秆焚烧检测方法。本发明YOLOv3的网络结构可以提取多尺
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117541772A
(43)申请公布日2024.02.09
(21)申请号202311021453.8
(22)申请日2023.08.15
(71)申请人长春理工大学
文档评论（0）