期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于LSCDH-YOLOv8轻量化的化工厂火灾检测算法
1
作者
杜强
姜明新
+1 位作者
洪远
王杰
《传感技术学报》
北大核心
2025年第8期1432-1440,共9页
针对当前火灾检测算法对化工场景下的火灾检测漏检、检测精度不高、对小型火焰检测效果较差等问题,提出一种基于LSCDH-YOLOv8轻量化的化工厂火灾检测方法。为了轻量化特征提取网络,将YOLOv8网络中的C2f模块中Bottleneck替换为FasterNet...
针对当前火灾检测算法对化工场景下的火灾检测漏检、检测精度不高、对小型火焰检测效果较差等问题,提出一种基于LSCDH-YOLOv8轻量化的化工厂火灾检测方法。为了轻量化特征提取网络,将YOLOv8网络中的C2f模块中Bottleneck替换为FasterNet模块,并引入了EMA注意力机制,增强有效特征复用的同时降低计算复杂度;将P2层特征图引入到Neck模块中,来提升小目标检测的精度;将原来的边界框回归损失函数CIoU替换为结合了Inner-IoU和SIoU的损失函数Inner-SIoU,来加速网络的收敛;最后,提出四头的LSCDH共享卷积预测头,使得网络结构轻量化的同时提高检测精度。在自制的化工火灾数据集上进行实验比较,实验结果证明:模型大小从8.1 M下降51.8%至3.9 M,模型参数量下降43.4%,平均精度提升了5.6%。实现了在计算量升高不大的同时,提升了火灾检测精度。实现了模型的进一步轻量化,适于低端设备运行。所提出的检测算法基本满足了化工厂火灾检测的需求。
展开更多
关键词
烟火检测
YOLOv8
fasternet_ema
LSCDH预测头
Inner-SIoU
在线阅读
下载PDF
职称材料
题名
基于LSCDH-YOLOv8轻量化的化工厂火灾检测算法
1
作者
杜强
姜明新
洪远
王杰
机构
淮阴工学院电子信息工程学院
出处
《传感技术学报》
北大核心
2025年第8期1432-1440,共9页
基金
国家自然科学基金项目(62205120)
江苏高校青蓝工程项目(202004)。
文摘
针对当前火灾检测算法对化工场景下的火灾检测漏检、检测精度不高、对小型火焰检测效果较差等问题,提出一种基于LSCDH-YOLOv8轻量化的化工厂火灾检测方法。为了轻量化特征提取网络,将YOLOv8网络中的C2f模块中Bottleneck替换为FasterNet模块,并引入了EMA注意力机制,增强有效特征复用的同时降低计算复杂度;将P2层特征图引入到Neck模块中,来提升小目标检测的精度;将原来的边界框回归损失函数CIoU替换为结合了Inner-IoU和SIoU的损失函数Inner-SIoU,来加速网络的收敛;最后,提出四头的LSCDH共享卷积预测头,使得网络结构轻量化的同时提高检测精度。在自制的化工火灾数据集上进行实验比较,实验结果证明:模型大小从8.1 M下降51.8%至3.9 M,模型参数量下降43.4%,平均精度提升了5.6%。实现了在计算量升高不大的同时,提升了火灾检测精度。实现了模型的进一步轻量化,适于低端设备运行。所提出的检测算法基本满足了化工厂火灾检测的需求。
关键词
烟火检测
YOLOv8
fasternet_ema
LSCDH预测头
Inner-SIoU
Keywords
smoke and fire detection
YOLOv8
FasterNet-EMA
LSCDH prediction head
Inner-SIoU
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于LSCDH-YOLOv8轻量化的化工厂火灾检测算法
杜强
姜明新
洪远
王杰
《传感技术学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
