-
题名融合注意力机制的轻量级火灾检测模型
被引量：5
- 1
-
-
作者
曹康壮
焦双健
-
机构
中国海洋大学工程学院
-
出处
《消防科学与技术》
CAS
北大核心
2024年第3期378-383,共6页
-
文摘
基于视觉信息的火灾检测对消防工作具有重要意义,但现阶段相关研究提出的方法大多是基于高性能的硬件设备开展,这限制了相关成果的实际应用。在YOLOv5目标检测算法基础上使用ShuffleNetv2网络为主干构造轻量化模型,并引入SIoU损失函数提高模型目标框的定位精度,同时在模型中添加Shuffle Attention注意力机制,提高在复杂环境下对目标火焰的识别精度。试验证明,与YOLOv5原模型相比,改进后的模型在实现更好识别效果的同时,参数量减少了54.2%,检测速度提升了40.5%。将模型部署嵌入式设备验证其应用效率,结果显示,模型在实现32帧/s检测速度的同时维持了较好的识别效果。
-
关键词
卷积神经网络
火灾检测
YOLOv5
注意力机制
JetsonNano
-
Keywords
convolutional neural networks
fire monitoring
Yolov5
attention module
Jetson Nano
-
分类号
X928.7
[环境科学与工程—安全科学]
TP399
[自动化与计算机技术—计算机应用技术]
-
