改进YOLOv5s的地下车库火焰烟雾检测方法

TP391; 针对传统地下车库火灾检测不及时且无法给出火灾详细信息、目标检测对小目标烟火检测困难、其他烟火检测精度低等问题,提出了一种改进YOLOv5s的地下车库烟火检测算法.在YOLOv5s主干网络的最后一个C3模块中加入了注意力机制,帮助网络模型更充分地提取烟火多尺度空间信息和重要特征;对Neck部分进行改进,增强特征交互和小目标烟火检测能力;对主干网络卷积模块进行改进,提高烟火特征提取能力;引入WIoU(wise inter-section over union)作为新的边界框损失函数,增强模型泛化能力;引入Soft NMS(soft non-maximum suppression)用以...

Full description

Saved in:
Bibliographic Details
Published in计算机工程与应用 Vol. 60; no. 11; pp. 298 - 308
Main Authors 杜辰, 王兴, 董增寿, 王亦雷, 江忠浩
Format Journal Article
LanguageChinese
Published 太原科技大学 计算机科学与技术学院,太原 030024%太原科技大学 电子信息工程学院,太原 030024 01.06.2024
Subjects
smoke and fire detection
注意力机制
烟火检测
YOLOv5s
attention mechanism
small target smoke and flame detection
小目标烟火检测
Online AccessGet full text

Cover

More Information
Summary:TP391; 针对传统地下车库火灾检测不及时且无法给出火灾详细信息、目标检测对小目标烟火检测困难、其他烟火检测精度低等问题,提出了一种改进YOLOv5s的地下车库烟火检测算法.在YOLOv5s主干网络的最后一个C3模块中加入了注意力机制,帮助网络模型更充分地提取烟火多尺度空间信息和重要特征;对Neck部分进行改进,增强特征交互和小目标烟火检测能力;对主干网络卷积模块进行改进,提高烟火特征提取能力;引入WIoU(wise inter-section over union)作为新的边界框损失函数,增强模型泛化能力;引入Soft NMS(soft non-maximum suppression)用以增强重叠烟火检测能力.在自制烟火数据集上进行对比实验,结果表明,改进后的模型权重减小0.2 MB,精度提升了6.8个百分点,能够满足地下车库烟火检测要求.
ISSN:1002-8331
DOI:10.3778/j.issn.1002-8331.2307-0003