典型文献
基于YOLOv3的自注意力烟火检测算法
文献摘要：
烟火图像检测在火灾防控中具有重要的意义,但由于烟雾和火焰成像具有多变性和无规则性,大多数烟雾检测算法在现实场景下往往表现欠佳,漏检情况相对严重.针对于此,通过结合基于深度学习的一阶段回归目标检测模型(YOLOv3)与自注意力机制,提出了一种基于YOLOv3自注意力烟雾和火焰图像检测算法,在优化原有YOLOv3网络模型的基础上,通过结合多尺度的自注意力网络,融合模型上下文信息,引导模型自适应学习提取关键的特征信息,增强了模型的特征表达,可有效提高烟雾和火焰检测的准确率.在测试集上结果表明,相比原有的基准检测算法,该方法烟火检测算法的准确率为92.1％,提高了6.5％;通过主干网络替换对比实验进一步验证了该结构设计的有效性,该算法具备较好的实用性.
文献关键词：
烟火检测;深度学习;自注意力;自适应学习;上下文信息
中图分类号：
作者姓名：
冯庭有;蔡承伟;田际;江志宏;周俊煌;陈乐
作者机构：
华能东莞燃机热电有限责任公司,广东东莞 523000;广州市奔流电力科技有限公司,广东广州 510700
文献出处：
引用格式：
[1]冯庭有;蔡承伟;田际;江志宏;周俊煌;陈乐-.基于YOLOv3的自注意力烟火检测算法)[J].机电工程技术,2022(07):71-75
A类：
B类：
YOLOv3,烟火检测,火灾防控,多变性,无规则,规则性,烟雾检测,现实场景,漏检,目标检测模型,自注意力机制,火焰图像,图像检测算法,自注意力网络,融合模型,上下文信息,模型自适应,自适应学习,特征信息,特征表达,火焰检测,测试集,主干网络
AB值：
0.300663
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。
