典型文献
基于动态形状特征提取及增强的改进YOLOv3火焰检测算法
文献摘要：
针对现有多目标检测网络对动态火焰特征提取及增强能力不足,检测效果不佳的问题,提出基于动态形状特征提取及增强的改进YOLOv3火焰检测算法.采用小尺寸结构的ResNet50_vd作为YOLOv3的主干网络,减少特征信息冗余;在主干网络stage 4和stage 5中加入可变形卷积模块,控制采样网格随火焰目标形状的动态变化;引入交并比(IoU)Aware模块,增加置信度得分与IoU定位精度的相关性,提高网络的火焰特征提取能力;同时在YOLOv3 Head中加入Drop Block,引入IoU预测分量优化损失函数,提高模型学习过程中的特征增强能力.通过消融实验验证各改进部分对模型的提升效果,实验结果表明,改进模型对火焰的检测精度达94.11％,推理速度达73.52 frame/s,能够有效满足对动态形状火焰的检测要求.
文献关键词：
火焰检测;动态形状;ResNet50-vd;卷积神经网络
中图分类号：
作者姓名：
丁浩;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710055
文献出处：
引用格式：
[1]丁浩;王慧琴;王可-.基于动态形状特征提取及增强的改进YOLOv3火焰检测算法)[J].激光与光电子学进展,2022(24):29-37
A类：
动态形状
B类：
形状特征提取,YOLOv3,火焰检测,检测算法,多目标检测,目标检测网络,火焰特征,增强能力,检测效果,小尺寸,ResNet50,vd,主干网络,特征信息,信息冗余,stage,可变形卷积,卷积模块,火焰目标,交并比,IoU,Aware,置信度,定位精度,特征提取能力,Head,Drop,Block,优化损失函数,模型学习,学习过程,特征增强,消融实验,提升效果,改进模型,检测精度,推理速度,frame,检测要求
AB值：
0.403419
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。
