基于YOLOv4的多形态火焰目标检测模型训练方法研究
火灾是一种多发的破坏性灾难,通常会导致生命和财产巨大损失,利用图像监控系统,研究自动化火焰目标检测模型意义重大.文章采用基于深度学习的目标检测系统YOLOv4算法训练模型.自建了一个没有重复数据,包含1566张火焰图像的数据集Multifire,它是一个小规模的混合数据集,进行了精心的数据标注和清洗,旨在训练通用性好的多形态火焰检测模型.通过在不同分布的火焰数据子集上实施交叉验证,筛选出3个性能良好的火焰检测模型,模型针对规则火、森林野火和混合火进行检测,综合性能指标F1,分别达到了0.87、0.88和0.78.对于一般性的多形态火焰检测任务,笔者提出一种集成检测的策略,有效降低火焰目标检测的漏检率,提高火焰检测系统的可用性和安全性.
YOLOv4、火焰目标检测、迁移训练、交叉验证
18
TP183(自动化基础理论)
山东省制浆造纸科学与技术教育部重点实验室主任基金项目;国家级大学生创新创业训练计划项目
2023-01-05（万方平台首次上网日期，不代表论文的发表时间）
共5页
1-5
