改进注意力机制的电梯场景下危险品检测方法

作者：郭奕裕; 周箩鱼; 刘新瑜; 李尧

来源：计算机应用, 2022, 1-10.

• 危险品检测
• 电梯
• YOLOX-s
• 深度可分离卷积
• 高效卷积块注意力模块
• 一维卷积
• 多帧协同算法

针对电动自行车和煤气罐搭乘电梯引起火灾的隐患，提出了一种改进注意力机制的电梯场景下危险品检测方法。以YOLOX-s为基线模型，首先在加强特征提取网络中引入深度可分离卷积去替换标准卷积，提升了模型的推理速度。然后提出一种基于混合域的高效卷积块注意力模块(ECBAM)，并将其嵌入到主干特征提取网络。在其通道注意力部分，使用一维卷积替换两个全连接层，既降低了卷积块注意力模块(CBAM)的复杂度又提高了检测精度。最后提出一种多帧协同算法，通过结合多张图片的危险品检测结果去减少危险品入侵电梯的误报警。经实验验证：改进后模型比YOLOX-s的均值平均精度(mAP)提升了1.05个百分点，浮点计算量降低了34.1%，模型体积减少了42.8%。显著地降低了实际应用中的误报警，满足电梯场景下危险品检测的精度和速度要求，具有良好的推广前景。

• 出版日期2022-9-28
• 单位长江大学