典型文献
改进YOLOX火灾场景检测方法的研究
文献摘要：
针对现有目标检测模型难以应用在复杂火灾场景的问题,论文提出了基于注意力机制改进的YOLOX火灾场景检测模型,实现对火焰、烟雾以及受灾人员的检测.首先,在CSPLayer层上添加轻量级注意力模块,提升模型整体的检测性能;其次,引入通道混合技术,提高各通道间的交流能力;最后,将主干网络最后一层换为轻量级Transformer模块,强化主干网络对全局信息的抓取能力.通过在自制火灾数据集上的实验表明,T-YOLOX的mAP比基准模型(YOLOX)提高了2.24％,与CenterNet、YOLOv3相比检测精度有较大提升,证明了该算法的有效性和优越性.
文献关键词：
YOLOX;火灾检测;Transformer;目标检测
中图分类号：
作者姓名：
张剑飞;柯赛
作者机构：
黑龙江科技大学计算机与信息工程学院 哈尔滨 150022
文献出处：
引用格式：
[1]张剑飞;柯赛-.改进YOLOX火灾场景检测方法的研究)[J].计算机与数字工程,2022(02):318-322,349
A类：
CSPLayer
B类：
YOLOX,火灾场景,目标检测模型,注意力机制,机制改进,火焰,烟雾,受灾,轻量级注意力,注意力模块,检测性能,混合技术,交流能力,主干网络,Transformer,全局信息,抓取,mAP,比基,CenterNet,YOLOv3,检测精度,火灾检测
AB值：
0.40158
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。
