基于YOLOv5的火灾场景检测算法 |
| |
作者姓名: | 何宗锋 陈达贵 刘恒瑞 |
| |
作者单位: | 1. 福州大学物理与信息工程学院,微电子学院;2. 福建江夏学院 |
| |
摘 要: | 火灾是经常危害公众安全,影响社会发展的灾害之一。及时地发现火灾,预警火灾,对于保卫人民生命财产安全,维护社会治安稳定有着重大意义。针对上述问题,设计了一种基于YOLOv5目标检测网络的火灾场景检测算法。算法首先在数据增强方面使用Mosaic-9方法来对训练集进行数据增强,使得网络具有更好的泛化能力,从而更好适用于应用场景。而后,为了更进一步提升检测精度,在backbone中嵌入了CBAM注意力机制模块,通过对特征通道和空间的学习,使得网络能够更好地提取到有用特征并抑制不重要特征。实验结果表明,改进后的网络在fi re-images数据集上取得了良好的性能,相对于YOLOv5n原网络,在推理时间几乎等同的情况下,精度提升了5.7%,mAP@0.5提升了2.4%。
|
关 键 词: | 火灾检测 深度学习 CBAM 数据增强 |
|
|