基于改进YOLOv5s的烟火轻型检测算法

针对传统传感器对烟火检测不及时且无法给出烟火详细信息,当前主流烟火检测算法检测效率与精度不平衡等问题,提出了一种改进YOLOv5s的烟火轻型检测算法。将Backbone中第2个卷积模块替换成Stem模块,在提高模型对小目标空间信息检测性能的同时有效地控制了总体的浮点运算数;在Backbone和Neck中引入C3Ghost模块和Ghost卷积模块,以达到减少网络参数数量和提高烟火检测性能的目的;为了区分特征融合过程中不同特征的重要性,提出了一种在PAN中添加可学习权重参数的结构,显著提高了对烟火检测的平均精度。实验结果表明:与原模型相比,模型的权重从14.4 M减小到10.2 M,GFLOPs从15.8减小到3.7,平均精度提升了1.1%。改进的模型在轻量化的同时提升了对烟火检测的性能。