10.16526/j.cnki.11-4762/tp.2023.05.007
基于改进YOLOv5s的无人机火灾图像检测算法
为了解决现有火灾检测算法模型复杂,实时性差,难以部署在无人机平台的问题,通过改进YOLOv5s算法对无人机火灾图像目标检测进行分析研究;利用搭载高清摄像头的无人机设备获取的火灾图像、公开数据集、互联网航拍视频自主建立无人机火灾图像数据集;采用轻量化模型YOLOv5s为基础模型,MobileNetV3作为特征提取主干网络,降低模型参数和计算量,解决实时性差和模型部署的问题;模型颈部引入注意力模块CBAM,综合了通道和空间信息,加强网络对高层次语义信息的传递;修改模型检测头部结构,增强小目标检测能力;通过消融试验对比分析各个模块对模型的影响,与常见火灾模型进行对比分析,分析本文算法的优劣;算法在自建数据上的平均精度达到76.9%,模型大小为6.7 M,单帧(640 × 640)图像处理时间为15.2 ms;实验结果表明,本文算法模型简单、实时性好,为火灾检测算法部署在无人机平台奠定技术基础.
YOLOv5s、航拍火灾图像、MobileNetV3、小目标检测、注意力机制
31
TP391.4(计算技术、计算机技术)
国家自然科学基金;贵州省科技计划项目;贵州省教育厅创新群体重大研究项目;贵州省普通高等学校工程研究中心黔教合KY字2018007;贵州省普通高等学校军民融合人才培养基地黔科合基础2020011;贵州省教育厅普通本科高校青年人才成长项目;贵州省基金基础研究计划项目
2023-07-07(万方平台首次上网日期,不代表论文的发表时间)
共7页
41-47