基于Fire-YOLO的火焰检测算法

摘要：

笔者提出一种轻量化的火焰检测方法(Fire-YOLO).该模型以轻量级MobileNetV3特征提取网络为主干网络,改进特征融合网络,加入深度可分离卷积降低模型的计算量和参数量,提升训练速度,然后使用不同尺寸及空洞率的卷积构建空洞卷积模块,利用空洞卷积提升特征层的感受野,再融合浅层、深层特征,提升模型的分类和定位能力.实验结果表明,Fire-YOLO具有更高的检测精度和更快的检测速度,且模型的计算量和参数量都有明显降低,可以满足嵌入式设备火焰检测的需求.

关键词：火焰检测、深度学习、YOLOv4、特征提取

所属期刊栏目：34

分类号：TP391(计算技术、计算机技术)

在线出版日期：2022-06-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：49-52