基于YOLOv3的自注意力烟火检测算法

摘要：

烟火图像检测在火灾防控中具有重要的意义,但由于烟雾和火焰成像具有多变性和无规则性,大多数烟雾检测算法在现实场景下往往表现欠佳,漏检情况相对严重.针对于此,通过结合基于深度学习的一阶段回归目标检测模型(YOLOv3)与自注意力机制,提出了一种基于YOLOv3自注意力烟雾和火焰图像检测算法,在优化原有YOLOv3网络模型的基础上,通过结合多尺度的自注意力网络,融合模型上下文信息,引导模型自适应学习提取关键的特征信息,增强了模型的特征表达,可有效提高烟雾和火焰检测的准确率.在测试集上结果表明,相比原有的基准检测算法,该方法烟火检测算法的准确率为92.1％,提高了6.5％;通过主干网络替换对比实验进一步验证了该结构设计的有效性,该算法具备较好的实用性.

关键词：烟火检测、深度学习、自注意力、自适应学习、上下文信息

所属期刊栏目：51

分类号：TP391(计算技术、计算机技术)

资助基金：华能东莞燃机热电有限责任公司科技项目HNDG-2021SY-033

在线出版日期：2022-08-11（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：71-75