典型文献
面向火焰快速检测的轻量化深度网络研究
文献摘要：
在易燃易爆场合火灾控制中火焰极速检测意义重大,其对算法实时性、准确度、抗干扰性有较高要求.为此提出一种基于改进YOLOv4-tiny轻量化抗干扰火焰检测深度网络.引入类火目标图像与真实火焰图像并通过Mo-saic数据增强方式建立鲁棒性火焰检测数据集;对YOLOv4-tiny骨干网络采用深度可分离卷积进行改进,使得原网络更加轻量化;在特征金字塔网络FPN(feature pyramid network)中融合多尺度特征提高网络对多层特征的学习表示能力,并引出多检测头以适应火焰爆发过程中不同尺度火焰的精准检测;在FPN中引入ECA(efficient channel attention)通道注意力机制进一步提高检测精度.实验结果表明,提出的YOLOv4-tiny-L4参数量仅为4.22 MB,准确率高达94.1％,执行时间仅为46 ms,满足火焰快速检测基本要求.
文献关键词：
火焰检测;轻量化网络;改进YOLOv4-tiny;注意力机制;多尺度特征
中图分类号：
作者姓名：
王斌;李靖;赵康;周温
作者机构：
中北大学 大数据学院,太原 030051;山西新思备科技股份有限公司,山西 晋中 030600
文献出处：
引用格式：
[1]王斌;李靖;赵康;周温-.面向火焰快速检测的轻量化深度网络研究)[J].计算机工程与应用,2022(17):256-262
A类：
saic
B类：
快速检测,深度网络,易燃易爆,中火,极速,检测意义,抗干扰性,YOLOv4,tiny,火焰检测,检测深度,标图,火焰图像,Mo,数据增强,检测数据集,骨干网络,深度可分离卷积,特征金字塔网络,FPN,feature,pyramid,network,多尺度特征,示能,引出,检测头,不同尺度,精准检测,ECA,efficient,channel,attention,通道注意力机制,高检,检测精度,L4,参数量,MB,执行时间,ms,足火,轻量化网络
AB值：
0.412231
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。
