基于YOLOv5的改进火灾检测算法

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。