文献类型：期刊文章

作　　者：王一旭[1] 肖小玲[1] 王鹏飞[1] 向家富[1]

WANG Yixu;XIAO Xiaoling;WANG Pengfei;XIANG Jiafu(School of Computer Science,Yangtze University,Jingzhou,Hubei 434023,China)

机构地区：[1]长江大学计算机科学学院,湖北荆州434023

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金(61771354)。

年　　份：2023

卷　　号：59

期　　号：1

起止页码：72-81

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2023_2024、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对复杂环境中,烟雾火焰检测存在精度低,小目标检测困难等问题,提出一种改进的基于YOLOv5s的小目标烟雾火焰检测算法。基于公开数据集自建了9981张不相似的烟雾火焰图像数据集,解决现有数据集的限制,提高了模型的训练效率与泛化能力;在网络中添加3-D注意力机制SimAM,增加算法的特征提取能力,而且没有增加额外的参数;修改网络中的Neck结构,将三尺度检测改为四尺度检测,并结合了加权双向特征金字塔网络(BiFPN)结构,对特征融合过程进行修改,提高小目标的检测能力与特征融合能力;通过遗传算法来优化网络中的部分超参数,进一步模型的检测能力。实验结果表明,改进后的算法比原始YOLOv5s算法平均检测精度提高了7.2%,同时对小目标检测精度更高,误检漏检等情况减少。

关 键 词：烟雾检测  火焰检测 YOLOv5s  小目标检测 3-D注意力机制  

分 类 号：TP391]