基于YOLOv3改进的火焰目标检测算法

• 作者: 张彬彬 帕孜来·马合木提
• 来源期刊: 激光与光电子学进展
• 学科: 工学
• 关键词: 成像系统 目标检测 特征金字塔 全卷积模块 注意力机制 损失函数
• 年，卷（期）: 2021,（24）
• 所属期刊栏目: 成像系统|Imaging Systems
• 页码范围: 281-288
• 页数: 8页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3788/LOP202158.2411003

摘要

针对火灾中小目标、多目标、边缘模糊等导致的检测精度下降问题,提出了一种基于YOLOv3 (You only look once,v3)改进的火焰目标检测算法.首先,通过改进的特征金字塔网络对局部信息进行二次利用.然后,设计大尺度全卷积模块以获取不同尺度的全局空间信息,用改进的通道空间注意力机制提高有效信息,并抑制无用信息.最后,用完全交并比和Focal Loss作为损失函数,以提高难识别目标的检测精度和缓解数据集不平衡的问题.在自制火焰数据中的实验结果表明,本算法具有较高的检测精度和较快的检测速度,平均精度均值高达89.82％,检测速度可达到20.2FPS(每秒传输帧数),能满足火灾检测的实时性和高效性要求.