基于改进DCNN的烟火隐患检测方法
赵维科
焦良葆
孟琳
浦东
南京工程学院人工智能产业技术研究院 南京 211167
摘要：针对山火烟雾这类柔性目标图像存在的形状不固定所导致的识别精度低、泛化性差等问题,提出了一个基于YOLO的改进深度卷积神经网络(DCNN)识别方法.该方法通过数据增强算法优化训练网络;利用GIoU_Loss损失函数替换L2 Loss函数,大幅降低损失值;运用空间金字塔池化,将多尺度特征进行融合,增加网络的感受野,提高检测精度.实验结果表明,改进方法相对于原YOLO算法查全率提升了1.3％,查准率提高了2.1％.
关键词：YOLO算法数据增强GIoU_Loss损失函数空间金字塔池化烟火隐患检测
分类号：TP301.6(计算技术、计算机技术)
资助基金：国家自然科学基金(61903183)
论文发表日期：2021-11-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 2229-2236 )
英文信息