-
题名基于YOLOv5的改进火灾检测算法
- 1
-
-
作者
曾泓翔
文志诚
-
机构
湖南工业大学计算机学院
-
出处
《信息与电脑》
2024年第2期73-78,82,共7页
-
基金
国家自然科学基金(项目编号:62072172)
湖南省自然科技基金(项目编号:2022JJ50077,2022-2024)。
-
文摘
针对火灾场景下现有目标检测算法对起火目标的漏检误检问题,提出一种基于改进YOLOv5的火灾检测算法。该算法引入Ghost-Atrous模块,能够在不增加卷积核大小和数量的情况下扩大感受野,从而替代普通“卷积+池化层”的组合,以避免特征信息丢失,同时减少参数量和运算量;使用CBAM-Atrous注意力模块强化对重要特征的提取;采用EIOU-NMS进行非极大值抑制,更好地解决误检漏检问题。实验结果表明,改进后的算法在火灾数据集上相比于原始YOLOv5算法mAP@0.5提高了4.3个百分点;相比于其他主流的目标检测算法,mAP@0.5提高了0.3~8.0个百分点,同样具有一定的优越性。
-
关键词
深度学习
YOLOv5算法
火灾检测
ghost-atrous
空洞卷积
-
Keywords
deep learning
YOLOv5 algorithm
fire detection
ghost-atrous
atrous convolution
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-