基于轻量化YOLOv4的火灾检测识别算法

作者：郝新泽; 施一萍^*; 邓源; 秦瑶; 刘瑾

来源：传感器与微系统, 2023, 42(08): 143-147.

DOI：10.13873/J.1000-9787(2023)08-0143-05

• 火灾检测
• 深度学习
• 注意力机制
• 多尺度特征融合
• 深度可分离卷积

为了满足火灾实时蔓延对检测速度和准确率的更高要求，在YOLOv4的基础上，提出了一种轻量化火灾检测方法。将改进的MobileNetV3作为主干特征提取网络来降低模型复杂度，提高火灾检测速度，并引入高效通道注意力(ECA)机制模块，有效地捕获了跨通道交互，增强了对火灾目标区域的重点关注。在加强特征提取网络部分，采用了加权双向特征金字塔(BiFPN)网络结构，不增加额外参数的同时，融合了更多不同尺度的特征，对不同大小火灾区域的检测精度有了显著提升。实验结果表明：所提方法具有较好的火灾检测效果，在自建的数据集上，平均精度达到了86.4%,检测速度达到了58 fps,相较于原模型，分别提升了2.3%和24 fps,同时模型大小缩减了79%。

• 单位
  上海工程技术大学