典型文献
基于YOLOv4的多形态火焰目标检测模型训练方法研究
文献摘要：
火灾是一种多发的破坏性灾难,通常会导致生命和财产巨大损失,利用图像监控系统,研究自动化火焰目标检测模型意义重大.文章采用基于深度学习的目标检测系统YOLOv4算法训练模型.自建了一个没有重复数据,包含1566张火焰图像的数据集Multifire,它是一个小规模的混合数据集,进行了精心的数据标注和清洗,旨在训练通用性好的多形态火焰检测模型.通过在不同分布的火焰数据子集上实施交叉验证,筛选出3个性能良好的火焰检测模型,模型针对规则火、森林野火和混合火进行检测,综合性能指标F1,分别达到了0.87、0.88和0.78.对于一般性的多形态火焰检测任务,笔者提出一种集成检测的策略,有效降低火焰目标检测的漏检率,提高火焰检测系统的可用性和安全性.
文献关键词：
YOLOv4;火焰目标检测;迁移训练;交叉验证
中图分类号：
作者姓名：
姜国龙;褚云飞;陈业红;吴朝军
作者机构：
齐鲁工业大学轻工学部新媒体技术系,山东济南250353;齐鲁工业大学轻工学部生物基材料与绿色造纸国家重点实验室,山东济南250353
文献出处：
引用格式：
[1]姜国龙;褚云飞;陈业红;吴朝军-.基于YOLOv4的多形态火焰目标检测模型训练方法研究)[J].电脑知识与技术,2022(32):1-5
A类：
Multifire
B类：
YOLOv4,多形态,火焰目标检测,目标检测模型,模型训练,训练方法,破坏性,灾难,巨大损失,图像监控,监控系统,算法训练,训练模型,重复数据,火焰图像,小规模,混合数据,数据标注,通用性,火焰检测,不同分布,子集,交叉验证,野火,综合性能指标,一般性,漏检率,可用性,迁移训练
AB值：
0.329135
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。
