基于改进YOLOV5的火焰检测算法

摘要：

针对现有的火焰检测算法检测平均精度低、小目标火焰漏检率高的问题,提出一种改进YOLOV5的火焰检测算法.该算法使用Transformer Encode模块代替YOLOV5主干网络末端的CSP bottleneck模块,以增强网络捕获不同局部信息的能力,提高火焰检测的平均精度,并且在YOLOV5网络中增加CBAM注意力模块,增强网络提取图像特征的能力,对于小目标火焰能够较好地提取特征,降低小目标火焰的漏检率.将该算法在公开数据集BoWFire、Bilkent上进行实验,结果表明,改进YOLOV5网络的火焰检测平均精度更高,可达83.9％,小目标火焰漏检率更低,仅为1.6％,检测速率为34帧/s,相比于原YOLOV5网络,平均精度提升了2.4个百分点,小目标火焰漏检率降低了4.1个百分点,改进后的YOLOV5网络能够满足火焰检测的实时性和精度要求.

关键词：YOLOV5算法、Transformer、CBAM注意力

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金61905117

在线出版日期：2023-03-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：103-107