基于YOLOv3-tiny的火焰目标检测算法_中国煤炭行业知识服务平台

基于YOLOv3-tiny的火焰目标检测算法

作者

徐岩李永泉郭晓燕韩立苏刘巧玲
单位

山东科技大学电子信息工程学院
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%。
关键词

火焰目标YOLOv3-tiny网络金字塔池化模块检测算法
基金项目(Foundation)

山东省研究生教育优质课程项目(SDYKC19083)；山东省研究生教育联合培养基地项目(SDYJD18027)；青岛市社科规划研究项目(QDSKL1901120)；
文章目录

1 深度学习与火焰检测发展
2 YOLOv3-tiny网络结构及改进
2.1 YOLOv3-tiny网络结构
2.2 网络改进
2.2.1 引入CSP-MobileNetV2模块替换骨干网络部分卷积层
2.2.2 引入SKNet选核注意力网络
1) 分支卷积。
2) 融合。
3) 选择。
2.2.3 插入PPM金字塔池化模块
3 实验
3.1 实验环境与数据集
3.2 评价指标
3.3 实验结果与分析
4 结论
引用格式

徐岩,李永泉,郭晓燕,韩立苏,刘巧玲.基于YOLOv3-tiny的火焰目标检测算法[J].山东科技大学学报(自然科学版),2022,41(06):95-103.DOI:10.16452/j.cnki.sdkjzk.2022.06.010.