改进YOLOX火灾场景检测方法的研究
张剑飞
柯赛
黑龙江科技大学计算机与信息工程学院 哈尔滨 150022
摘要：针对现有目标检测模型难以应用在复杂火灾场景的问题,论文提出了基于注意力机制改进的YOLOX火灾场景检测模型,实现对火焰、烟雾以及受灾人员的检测.首先,在CSPLayer层上添加轻量级注意力模块,提升模型整体的检测性能;其次,引入通道混合技术,提高各通道间的交流能力;最后,将主干网络最后一层换为轻量级Transformer模块,强化主干网络对全局信息的抓取能力.通过在自制火灾数据集上的实验表明,T-YOLOX的mAP比基准模型(YOLOX)提高了2.24％,与CenterNet、YOLOv3相比检测精度有较大提升,证明了该算法的有效性和优越性.
关键词：YOLOX火灾检测Transformer目标检测
分类号：TP391(计算技术、计算机技术)
资助基金：国家自然科学基金(61803148)
论文发表日期：2022-02-20
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：6( 318-322,349 )
英文信息