摘要
基于YOLOv3-tiny网络提出一种满足实时性需求的火焰目标检测算法,解决现有一般算法在自制火焰数据集上检测效果不佳的问题。通过构建CSP-MobileNetV2结构并引入到骨干网络池化层替换原始卷积层,提升网络的特征提取能力;引入选核注意力网络(SKNet),使卷积核对不同尺寸的火焰目标实现自适应调整,增强了对火焰特征的提取能力;引入金字塔池化模块(PPM),将具有不同感受野的特征图进行融合,实现多级特征信息融合互补,提高特征表达能力。实验结果表明,改进算法在自制火焰数据集上的平均检测精度均值达到84.3%,比原网络提高4.1%。
-
单位电子信息工程学院; 山东科技大学