-
题名一种改进的YOLOv5视频火焰实时检测算法
- 1
-
-
作者
张智
冯双文
-
机构
武汉科技大学计算机科学与技术学院
智能信息处理与实时工业系统湖北省重点实验室
武汉科技大学大数据科学与工程研究院
-
出处
《计算机应用与软件》
北大核心
2024年第12期255-260,302,共7页
-
基金
国家自然科学基金项目(61673304)
国家社会科学基金重大计划项目(11&ZD189)。
-
文摘
针对在室内外的火灾预防,目前许多算法对于小目标的火焰检测在精度方面有所欠缺,且不能实时检测,故提出一种改进的YOLOv5算法。该算法加宽head层数并引入selayer层,加快了分类检测的收敛,得到更丰富的采样信息。改进后的算法精度大大提高,经过视频流的优化,火焰能被实时地检测出来。实验数据集上的结果表明,改进的YOLOv5模型精确率达到了80.4%,召回率达到了91.3%,检测速度达到每秒44帧。
-
关键词
卷积神经网络
小目标检测
视频流优化
-
Keywords
Convolutional neural network
Small target detection
Video stream optimization
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
