基于YOLO v5的烟火检测方法

摘要：

针对火灾频发、着火点目标尺寸较小且着火点特征易与实际场景混淆导致的检测效率低下、误检率高等问题,提出一种基于YOLO v5的烟火检测方法.首先在原始模型的三个检测层上增加第四个检测层,使网络可以对特征图继续进行上采样,以此获取更大的特征图进行小目标检测,加强网络模型的特征提取能力;然后将原网络中用于计算目标框回归损失函数的GIOU_loss替换成DIOU_loss,可以将被遮挡在场景中的目标预测框回归,加速网络的收敛;最后针对场景数据少的问题,采用复制增强的方法,通过粘贴不同规模的目标对象到不同的场景数据中进行图片的融合操作,进一步提高模型的泛化能力.试验结果表明,与原始的YOLO v5相比,改进后的模型收敛速度更快,对小尺寸的着火点检测精度更高.

关键词：YOLO v5、烟火检测、DIOU_loss、复制增强

所属期刊栏目：20

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金51675259

在线出版日期：2022-08-26（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：1-7