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
2
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CXANet-YOLO的火焰检测方法
被引量:
2
1
作者
卞苏阳
严云洋
+2 位作者
龚成张
冷志超
祝巧巧
《南京大学学报(自然科学版)》
CAS
CSCD
北大核心
2023年第2期295-301,共7页
快速准确的火焰检测对于降低火灾危害具有重要意义,为了加强模型的火焰特征提取能力以及解决特征图尺寸不平衡的问题,利用XSepConv (Extremely Separated Convolution)、大卷积核、Mish激活函数等构建CXANet-block(Convolution Extremel...
快速准确的火焰检测对于降低火灾危害具有重要意义,为了加强模型的火焰特征提取能力以及解决特征图尺寸不平衡的问题,利用XSepConv (Extremely Separated Convolution)、大卷积核、Mish激活函数等构建CXANet-block(Convolution Extremely Attention Network)作为YOLOv5的骨干网络,引入CBAM (Convolution Block Attention Module)注意力机制,提出一种基于CXANet-YOLO的火焰检测方法,通过增加通道注意力和空间注意力来提高检测性能.在自建火焰数据集上进行训练,提升模型的鲁棒性和泛化能力.实验结果表明,CXANet-YOLO模型比基准模型YOLOv5在火焰检测上具有更高的检测精度和检测速度,准确率提高了8.2%,检测速度每秒提升25帧.
展开更多
关键词
深度学习
火焰检测
注意力机制
YOLOv5
下载PDF
职称材料
基于Fast-CAANet的火焰检测方法
2
作者
龚成张
严云洋
+2 位作者
卞苏阳
祝巧巧
冷志超
《南京师大学报(自然科学版)》
CAS
2024年第2期109-116,共8页
高效率高速度的火焰检测方法对预防火灾、保护社会安全具有十分重要的作用.本文面向社会安全应用需求,提出一种基于Fast-CAANet的火焰检测方法.先提出一种CAA模块,加强卷积和注意力机制的有效融合;然后构建CAANet网络的主干网络(CAABloc...
高效率高速度的火焰检测方法对预防火灾、保护社会安全具有十分重要的作用.本文面向社会安全应用需求,提出一种基于Fast-CAANet的火焰检测方法.先提出一种CAA模块,加强卷积和注意力机制的有效融合;然后构建CAANet网络的主干网络(CAABlock),更有效提取火焰的丰富特征;再提出参数更小、准确度更高的Fast-CAABlock模块,提出了加强火焰特征提取的方案.实验结果表明,Fast-CAANet准确率达到91.42%,计算量3.9 GMac较小.所提火焰检测算法与其它算法相比,性能更优,效果更好.
展开更多
关键词
深度学习
特征提取
注意力机制
火焰检测
下载PDF
职称材料
题名
基于CXANet-YOLO的火焰检测方法
被引量:
2
1
作者
卞苏阳
严云洋
龚成张
冷志超
祝巧巧
机构
淮阴工学院计算机与软件工程学院
江苏海洋大学计算机工程学院
出处
《南京大学学报(自然科学版)》
CAS
CSCD
北大核心
2023年第2期295-301,共7页
基金
国家自然科学基金(61402192)
江苏省“六大人才高峰”项目(2013DZXX-023)
+1 种基金
江苏省“青蓝工程”
淮安市“533英才工程”。
文摘
快速准确的火焰检测对于降低火灾危害具有重要意义,为了加强模型的火焰特征提取能力以及解决特征图尺寸不平衡的问题,利用XSepConv (Extremely Separated Convolution)、大卷积核、Mish激活函数等构建CXANet-block(Convolution Extremely Attention Network)作为YOLOv5的骨干网络,引入CBAM (Convolution Block Attention Module)注意力机制,提出一种基于CXANet-YOLO的火焰检测方法,通过增加通道注意力和空间注意力来提高检测性能.在自建火焰数据集上进行训练,提升模型的鲁棒性和泛化能力.实验结果表明,CXANet-YOLO模型比基准模型YOLOv5在火焰检测上具有更高的检测精度和检测速度,准确率提高了8.2%,检测速度每秒提升25帧.
关键词
深度学习
火焰检测
注意力机制
YOLOv5
Keywords
deep learning
flame detection
attentional mechanism
YOLOv5
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于Fast-CAANet的火焰检测方法
2
作者
龚成张
严云洋
卞苏阳
祝巧巧
冷志超
机构
淮阴工学院计算机与软件工程学院
出处
《南京师大学报(自然科学版)》
CAS
2024年第2期109-116,共8页
基金
国家自然科学基金项目(61402192)
江苏省“六大人才高峰”项目(2013DZXX-023)
江苏省“青蓝工程”、淮安市“533英才工程”项目.
文摘
高效率高速度的火焰检测方法对预防火灾、保护社会安全具有十分重要的作用.本文面向社会安全应用需求,提出一种基于Fast-CAANet的火焰检测方法.先提出一种CAA模块,加强卷积和注意力机制的有效融合;然后构建CAANet网络的主干网络(CAABlock),更有效提取火焰的丰富特征;再提出参数更小、准确度更高的Fast-CAABlock模块,提出了加强火焰特征提取的方案.实验结果表明,Fast-CAANet准确率达到91.42%,计算量3.9 GMac较小.所提火焰检测算法与其它算法相比,性能更优,效果更好.
关键词
深度学习
特征提取
注意力机制
火焰检测
Keywords
deep learning
feature extraction
attention mechanism
flame detection
分类号
TP391.44 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于CXANet-YOLO的火焰检测方法
卞苏阳
严云洋
龚成张
冷志超
祝巧巧
《南京大学学报(自然科学版)》
CAS
CSCD
北大核心
2023
2
下载PDF
职称材料
2
基于Fast-CAANet的火焰检测方法
龚成张
严云洋
卞苏阳
祝巧巧
冷志超
《南京师大学报(自然科学版)》
CAS
2024
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