改进YOLOV5目标检测模型的实时抽烟检测方法

抽烟目标的实时检测难以在实际场景中应用，主要原因是终端设备成本低，能够承载的模型计算量十分有限，难以同时兼顾精度与速度。为此，本文使用改进的YOLOV5目标检测模型，将其双向特征融合网络（FPN+PAN）替换为加权双向特征金字塔网络（BiFPN），增强网络的特征传递能力。实验结果表明，替换特征网络之后的YOLOV5s-BiFPN目标检测模型精度更高，AP0.5达到91.7%，且模型的参数量、计算量以及FPS基本不变，满足应用在实际场景中进行实时抽烟检测的条件。