基于CXANet-YOLO的火焰检测方法 |
| |
引用本文: | 卞苏阳,严云洋,龚成张,冷志超,祝巧巧.基于CXANet-YOLO的火焰检测方法[J].南京大学学报(自然科学版),2023(2):295-301. |
| |
作者姓名: | 卞苏阳 严云洋 龚成张 冷志超 祝巧巧 |
| |
作者单位: | 1. 淮阴工学院计算机与软件工程学院;2. 江苏海洋大学计算机工程学院 |
| |
基金项目: | 国家自然科学基金(61402192);;江苏省“青蓝工程”; |
| |
摘 要: | 快速准确的火焰检测对于降低火灾危害具有重要意义,为了加强模型的火焰特征提取能力以及解决特征图尺寸不平衡的问题,利用XSepConv (Extremely Separated Convolution)、大卷积核、Mish激活函数等构建CXANet-block(ConvolutionExtremelyAttentionNetwork)作为YOLOv5的骨干网络,引入CBAM (ConvolutionBlockAttention Module)注意力机制,提出一种基于CXANet-YOLO的火焰检测方法,通过增加通道注意力和空间注意力来提高检测性能.在自建火焰数据集上进行训练,提升模型的鲁棒性和泛化能力.实验结果表明,CXANet-YOLO模型比基准模型YOLOv5在火焰检测上具有更高的检测精度和检测速度,准确率提高了8.2%,检测速度每秒提升25帧.
|
关 键 词: | 深度学习 火焰检测 注意力机制 YOLOv5 |
|
|