基于改进DCNN的烟火隐患检测方法

作者：赵维科; 焦良葆; 孟琳; 浦东

来源：计算机与数字工程, 2021, 49(11): 2229-2236.

• YOLO算法
• 数据增强
• GIoU＿Loss损失函数
• 空间金字塔池化
• 烟火隐患检测

针对山火烟雾这类柔性目标图像存在的形状不固定所导致的识别精度低、泛化性差等问题,提出了一个基于YOLO的改进深度卷积神经网络(DCNN)识别方法。该方法通过数据增强算法优化训练网络;利用GIoULoss损失函数替换L2 Loss函数,大幅降低损失值;运用空间金字塔池化,将多尺度特征进行融合,增加网络的感受野,提高检测精度。实验结果表明,改进方法相对于原YOLO算法查全率提升了1.3%,查准率提高了2.1%。

• 单位
  南京工程学院