10.3969/j.issn.2095-2163.2021.07.016
基于Transformer改进YOLO v4的火灾检测方法
针对火灾检测算法检测多尺度火焰和烟雾精度低,且实时性差的问题,提出了一种基于Transformer改进YOLO v4的火灾检测方法.首先,结合MHSA(Multi-Head Self-Attention)改进了CSPDarknet53主干网络,建模全局依赖关系以充分利用上下文信息.此外,基于MHSA改进了PANet模块进行多尺度特征图融合,获取更多的细节特征.为验证改进方法的有效性,与YOLO v4、YOLO v3等算法进行比较.实验证明,不仅能够检测多尺度目标,且视频监控场景下达到实时性,具有准确率高、误报率低、检测实时性等优点,满足监控视频场景下的火灾检测任务.
深度学习;注意力机制;YOLO v4算法;火灾检测
17
TP183(自动化基础理论)
2021-11-23（万方平台首次上网日期，不代表论文的发表时间）
共5页
86-90
