改进YOLO v4的火焰图像实时检测

作者：王冠博; 杨俊东; 李波; 保利勇; 丁洪伟

来源：计算机工程与设计, 2022, 43(05): 1358-1365.

DOI：10.16208/j.issn1000-7024.2022.05.021

• 目标检测
• YOLOv4
• 火焰图像检测
• 图像处理
• 深度学习
• 注意力机制

为解决火焰图像检测易被周围环境干扰、火焰特征复杂等问题,提出改进型YOLOv4火焰图像实时检测模型。改进模型的激活函数;通过K-Means聚类针对火焰图像的特征调整先验框的维度;通过改进损失函数,减少模型中不必要特征的学习;引入注意力机制(通道注意力(CAB)模块和空间注意力(SAB)模块),增强模型在通道和空间的感知力。实验结果表明,改进的YOLOv4目标检测算法的FPS可达76.7,较原来提升了1.1;检测精度和召回率为82.8%、0.78,分别比原算法提高了36.56%、0.36;损失值为0.7758,比原算法降低了1.2942。

• 出版日期2022
• 单位云南大学