基于动态形状特征提取及增强的改进YOLOv3火焰检测算法
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.
火焰检测、动态形状、ResNet50-vd、卷积神经网络
59
TP391.41(计算技术、计算机技术)
陕西省自然科学基础研究计划项目;陕西省科技厅科技合作项目;陕西省教育厅智库项目;西安市科技局高校人才服务企业项目
2023-03-08(万方平台首次上网日期,不代表论文的发表时间)
共9页
29-37