基于YOLOv4的轻量级火焰检测算法_中国煤炭行业知识服务平台

基于YOLOv4的轻量级火焰检测算法

作者

王海群张成君张怡
单位

华北理工大学电气工程学院
摘要

为改善现有火焰检测算法参数量大.训练时间长等缺点.本研究提出基于YOLOv4改进的轻量级火焰检测算法.算法以YOLOv4为基本框架.采用MobileNet v3作为主干网络.利用深度可分离卷积替代YOLOv4中颈部网络和检测网络的3×3普通卷积.并将激活函数更换为H-swish函数.构建出一种轻量级火焰检测算法.不仅参数大幅度减少.而且能提升火焰检测精确度.降低火焰漏报率.实验证明.在相同的训练条件下.本研究提出的算法参数量个数降为YOLOv4的18%,训练时间减少44%.当检测相同火焰图像时.与MobileNet v3-DW-YOLOv4算法相比.本研究算法的精确度提升1%,检测速度为每秒46帧.能更好地嵌入到终端设备上进行实时检测.
关键词

深度学习轻量级火焰检测MobileNet深度可分离卷积
基金项目(Foundation)

河北省自然科学基金项目(F2019209553),
文章目录

1 MobileNet v3算法简介
2 基于YOLOv4改进的网络算法
3 实验结果与分析
4 结论
引用格式

王海群,张成君,张怡.基于YOLOv4的轻量级火焰检测算法[J].山东科技大学学报(自然科学版),2023,42(01):91-99.DOI:10.16452/j.cnki.sdkjzk.2023.01.010.
相关文章

[1]基于迁移学习的GOCI超分辨率重建与海洋漂浮藻类探测