典型文献
融合细节特征与混合注意力机制的火灾烟雾检测
文献摘要：
针对卷积神经网络高层特征图中细节特征被削弱造成烟雾图像底层特征丢失的问题,提出一种融合细节特征与混合注意力机制的YOLOv4改进算法.设计了细节特征融合模块,将主干网络中的底层细节特征引入高层特征图,得到具有丰富多尺度信息的融合特征.在通道和空间维度上采用混合注意力机制对融合特征的图权重进行重新赋值,在增强烟雾目标特征的同时抑制无关区域特征,使烟雾特征表达具有更好的鲁棒性.实验结果表明,本文算法的平均精确率、精确率和召回率相比YOLOv4算法分别提高了4.31％,1.21％,9.86％,同时保持了较快的检测速度.本文算法能够有效提取烟雾目标的整体特征,对于复杂背景下的火灾烟雾检测任务更为适用.
文献关键词：
烟雾检测;深度学习;YOLOv4算法;特征融合;混合注意力机制
中图分类号：
作者姓名：
汪睿卿;王慧琴;王可
作者机构：
西安建筑科技大学信息与控制工程学院,陕西西安710311
文献出处：
引用格式：
[1]汪睿卿;王慧琴;王可-.融合细节特征与混合注意力机制的火灾烟雾检测)[J].液晶与显示,2022(07):900-912
A类：
火灾烟雾检测
B类：
细节特征,混合注意力机制,特征图,底层特征,YOLOv4,改进算法,特征融合模块,主干网络,征引,多尺度信息,融合特征,空间维度,赋值,目标特征,区域特征,雾特征,特征表达,精确率,召回率,检测速度,有效提取,整体特征,复杂背景
AB值：
0.26502
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。
