火灾是一种极具破坏性的灾害,对火焰和烟雾的检测有助于及时发现火灾,以便采取有效措施将损失最小化.现有的算法对火焰烟雾的检测精度较低,不能做到精确识别小目标火焰和烟雾.为了进一步提高检测准确率,提出了基于YOLOv5s算法进行改进...火灾是一种极具破坏性的灾害,对火焰和烟雾的检测有助于及时发现火灾,以便采取有效措施将损失最小化.现有的算法对火焰烟雾的检测精度较低,不能做到精确识别小目标火焰和烟雾.为了进一步提高检测准确率,提出了基于YOLOv5s算法进行改进的火焰烟雾检测算法FS-YOLO.首先,在主干网络的C3模块中融合CA注意力机制来增强模型对图像特征的感知能力;其次,为了实现高效多尺度特征融合,将双向加权特征金字塔网络(BiFPN)用于颈部的多尺度信息融合;此外,在主干网络中加入由混合卷积层和普通卷积层组成的CSPCM模块,以便通过少量计算代价来提取火焰烟雾显著特征;最后,为提高边界框回归准确率,采用了基于最小点的MPDIoU损失函数和ReLU激活函数加速网络的训练和推理.在Fire and Smoke数据集上的实验结果表明:FS-YOLO达到了mAP@0.5上0.606和mAP@0.5-0.95上0.275的检测精度,相较于YOLOv5s分别提升5.21%和8.27%,FS-YOLO在实际运行中的速度为303 FPS,实现了高精度快速的实时火焰烟雾检测.展开更多
文摘火灾是一种极具破坏性的灾害,对火焰和烟雾的检测有助于及时发现火灾,以便采取有效措施将损失最小化.现有的算法对火焰烟雾的检测精度较低,不能做到精确识别小目标火焰和烟雾.为了进一步提高检测准确率,提出了基于YOLOv5s算法进行改进的火焰烟雾检测算法FS-YOLO.首先,在主干网络的C3模块中融合CA注意力机制来增强模型对图像特征的感知能力;其次,为了实现高效多尺度特征融合,将双向加权特征金字塔网络(BiFPN)用于颈部的多尺度信息融合;此外,在主干网络中加入由混合卷积层和普通卷积层组成的CSPCM模块,以便通过少量计算代价来提取火焰烟雾显著特征;最后,为提高边界框回归准确率,采用了基于最小点的MPDIoU损失函数和ReLU激活函数加速网络的训练和推理.在Fire and Smoke数据集上的实验结果表明:FS-YOLO达到了mAP@0.5上0.606和mAP@0.5-0.95上0.275的检测精度,相较于YOLOv5s分别提升5.21%和8.27%,FS-YOLO在实际运行中的速度为303 FPS,实现了高精度快速的实时火焰烟雾检测.
