10.16452/j.cnki.sdkjzk.2023.01.010
基于YOLOv4的轻量级火焰检测算法
为改善现有火焰检测算法参数量大、训练时间长等缺点,本研究提出基于YOLOv4改进的轻量级火焰检测算法.算法以YOLOv4为基本框架,采用MobileNet v3作为主干网络,利用深度可分离卷积替代YOLOv4中颈部网络和检测网络的3×3普通卷积,并将激活函数更换为H-swish函数,构建出一种轻量级火焰检测算法.不仅参数大幅度减少,而且能提升火焰检测精确度,降低火焰漏报率.实验证明,在相同的训练条件下,本研究提出的算法参数量个数降为YOLOv4的18%,训练时间减少44%.当检测相同火焰图像时,与MobileNet v3-DW-YOLOv4算法相比,本研究算法的精确度提升1%,检测速度为每秒46帧,能更好地嵌入到终端设备上进行实时检测.
深度学习、轻量级、火焰检测、MobileNet、深度可分离卷积
42
TP391.4(计算技术、计算机技术)
河北省自然科学基金F2019209553
2023-03-09(万方平台首次上网日期,不代表论文的发表时间)
共9页
91-99