期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于YOLOv5s的社交媒体平台火灾图像检测方法研究
被引量:
3
1
作者
杨文阳
吴叶森
+1 位作者
张峰
李湘眷
《中国电子科学研究院学报》
北大核心
2022年第9期833-841,共9页
在城市火灾发生时,社交媒体平台上的火灾现场照片对于火灾应急响应人员和决策者来说具有非常高的价值,可使决策者的决策制定更加高效,分配救援资源更加合理.然而,因社交媒体平台上图片数量巨大且伴随着大量与火灾现场不相关的火焰图片,...
在城市火灾发生时,社交媒体平台上的火灾现场照片对于火灾应急响应人员和决策者来说具有非常高的价值,可使决策者的决策制定更加高效,分配救援资源更加合理.然而,因社交媒体平台上图片数量巨大且伴随着大量与火灾现场不相关的火焰图片,所以需要采用一种方法对不相关图片进行筛选,且要保证速度与精确度。为此,文中提出了一种基于YOLOv5s网络构建对社交媒体平台图片实时筛选分类的方法,首先,通过对社交媒体平台上的火灾图像进行爬取,并对爬取到的3000张火灾图像数据集进行标注并构建数据集;然后,使用四种不同深度与宽度的YOLOv5s网络模型进行训练和测试;最后,对四种模型进行了比较和分析。实验结果表明,使用YOLOv5s模型训练效果整体优于其他三种模型,通过数据集测试网络模型能达到98.9%的精确率和92.1%的召回率以及96.9%的平均精度,检测每张图片的时间为0.009 s,很好地满足了实时筛选分类的要求。
展开更多
关键词
YOLOv5s
深度学习
机器视觉检测技术
YOLO
下载PDF
职称材料
题名
基于YOLOv5s的社交媒体平台火灾图像检测方法研究
被引量:
3
1
作者
杨文阳
吴叶森
张峰
李湘眷
机构
西安石油大学
出处
《中国电子科学研究院学报》
北大核心
2022年第9期833-841,共9页
基金
国家自然科学基金(41301480)。
文摘
在城市火灾发生时,社交媒体平台上的火灾现场照片对于火灾应急响应人员和决策者来说具有非常高的价值,可使决策者的决策制定更加高效,分配救援资源更加合理.然而,因社交媒体平台上图片数量巨大且伴随着大量与火灾现场不相关的火焰图片,所以需要采用一种方法对不相关图片进行筛选,且要保证速度与精确度。为此,文中提出了一种基于YOLOv5s网络构建对社交媒体平台图片实时筛选分类的方法,首先,通过对社交媒体平台上的火灾图像进行爬取,并对爬取到的3000张火灾图像数据集进行标注并构建数据集;然后,使用四种不同深度与宽度的YOLOv5s网络模型进行训练和测试;最后,对四种模型进行了比较和分析。实验结果表明,使用YOLOv5s模型训练效果整体优于其他三种模型,通过数据集测试网络模型能达到98.9%的精确率和92.1%的召回率以及96.9%的平均精度,检测每张图片的时间为0.009 s,很好地满足了实时筛选分类的要求。
关键词
YOLOv5s
深度学习
机器视觉检测技术
YOLO
Keywords
YOLOv5s
deep learning
machine vision inspection technology
YOLO
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
TP183 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于YOLOv5s的社交媒体平台火灾图像检测方法研究
杨文阳
吴叶森
张峰
李湘眷
《中国电子科学研究院学报》
北大核心
2022
3
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部