基于高效全局上下文网络的轻量级烟火检测算法

摘要：

针对现有烟火检测算法存在的漏检和误检问题,提出一种基于高效全局上下文网络(EGC-Net)的轻量级烟火检测新算法.该算法以轻量级目标检测网络YOLOX为基础网络,将改进的EGC-Net嵌入到YOLOX的主干特征提取网络与特征金字塔网络之间.EGC-Net由上下文建模、特征转换和特征融合3阶段结构组成,用于获得图像的全局上下文信息,建模烟火目标与其背景信息的远程依赖关系,并结合通道注意力机制学习更具判别力的视觉特征用于烟火检测.实验结果表明,本文提出的EGC-YOLOX烟火检测算法的图像级召回率为95.56％,图像级误报率为4.75％,均优于对比的其他典型轻量级算法,且速度满足实时检测的要求.该算法可在安防和消防领域推广,用于实时火灾监控和预警管理.

关键词：烟火检测、EGC-Net、YOLOX、全局上下文、注意力机制

所属期刊栏目：38

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;教育部工程研究中心开放基金;湖北省教育厅科研计划项目

在线出版日期：2023-02-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：118-127