面向火焰快速检测的轻量化深度网络研究

摘要：

在易燃易爆场合火灾控制中火焰极速检测意义重大,其对算法实时性、准确度、抗干扰性有较高要求.为此提出一种基于改进YOLOv4-tiny轻量化抗干扰火焰检测深度网络.引入类火目标图像与真实火焰图像并通过Mo-saic数据增强方式建立鲁棒性火焰检测数据集;对YOLOv4-tiny骨干网络采用深度可分离卷积进行改进,使得原网络更加轻量化;在特征金字塔网络FPN(feature pyramid network)中融合多尺度特征提高网络对多层特征的学习表示能力,并引出多检测头以适应火焰爆发过程中不同尺度火焰的精准检测;在FPN中引入ECA(efficient channel attention)通道注意力机制进一步提高检测精度.实验结果表明,提出的YOLOv4-tiny-L4参数量仅为4.22 MB,准确率高达94.1％,执行时间仅为46 ms,满足火焰快速检测基本要求.

关键词：火焰检测、轻量化网络、改进YOLOv4-tiny、注意力机制、多尺度特征

所属期刊栏目：58

分类号：TP391.1(计算技术、计算机技术)

资助基金：山西省基础研究计划项目;山西省基础研究计划项目;山西省研究生教育创新项目;山西省研究生教育创新项目

在线出版日期：2022-09-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：256-262