科研之友
微信
新浪微博
Facebook
分享链接
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9 981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。
- 出版日期2023
- 单位长江大学
