基于YOLOv5的森林火灾人员救援识别算法

针对森林火灾救援场景存在小目标实例多、人像重叠、类内个体差异小等特点,造成了救援目标识别漏检误检率高等问题。因此,提出一种基于YOLOv5的森林火灾人员救援识别算法,以提高目标检测精确度。通过将标准卷积模块改进为全维度动态卷积模块,增强目标区域的信息提取能力。同时,增加微小目标尺度预测结构,提高微小目标的识别准确性。林火人员救援数据集的实验结果表明,该方法可使模型平均精确度达到77.7%,较原YOLOv5s提高了2.4%,可有效检测森林火灾场景的人员目标,稳定提升模型的泛化性能。