典型文献
基于改进YOLOv5算法的火灾图像检测研究
文献摘要：
针对传统的火灾检测系统检测时间长、容易误报等问题,提出了一种基于改进YOLOv5的火灾检测算法.首先,针对卷积操作受到感受野的限制,增加Involution算子来扩大感受野;其次,在模型中引入CA(coordinate atten-tion)注意力机制,重新分配特征图高度和宽度上的权重;最后,使用定位损失函数α-CIoU替换CIoU,以提高模型回归精度.改进的YOLOv5算法的平均精度达到了68.4％,相较于标准算法的平均精度提高了3.9％,定位框更加准确,且检测速度提高了14％.实验结果表明改进后的算法模型明显提高了火灾检测的准确性和实时性.
文献关键词：
火灾检测;改进YOLOv5;Involution算子;注意力机制;α-CIoU
中图分类号：
作者姓名：
王龙兴;刘为国;朱洪波
作者机构：
安徽理工大学 电气与信息工程学院,安徽 淮南232001
文献出处：
引用格式：
[1]王龙兴;刘为国;朱洪波-.基于改进YOLOv5算法的火灾图像检测研究)[J].湖北民族大学学报（自然科学版）,2022(02):196-201
A类：
B类：
YOLOv5,图像检测,火灾检测,系统检测,检测时间,误报,检测算法,卷积操作,感受野,Involution,CA,coordinate,atten,注意力机制,重新分配,分配特征,特征图,损失函数,CIoU,检测速度,算法模型
AB值：
0.398039
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
