Light-YOLOv5：一种用于改进复杂火灾场景下YOLOv5的轻量级算法
计算机视觉与模式识别
2022-12-02 v3
摘要
火灾探测技术对于成功的防火措施具有重要意义。基于图像的火灾检测是一种有效方法。目前，目标检测算法在复杂火灾场景中应用于检测速度和精度任务时存在不足。本研究提出一种轻量级火灾检测算法Light-YOLOv5（You Only Look Once version five）。首先，使用可分离视觉Transformer（SepViT）块替换骨干网络最终层中的若干C3模块，以增强骨干网络对全局信息的接触以及火焰和烟雾特征的提取；其次，设计轻量双向特征金字塔网络（Light-BiFPN）以精简模型，同时在火灾检测过程中改善特征提取并平衡速度与精度特性；第三，将全局注意力机制（GAM）融合进网络，使模型更关注全局维度特征并进一步提高检测精度；最后，利用Mish激活函数和SIoU损失同时提高收敛速度并增强精度。实验结果表明，与原始算法相比，Light-YOLOv5的平均精度均值（mAP）提升3.3%，参数量减少27.1%，浮点运算量（FLOPs）减少19.1%。检测速度达到91.1 FPS，可实时检测复杂火灾场景中的目标。
引用
@article{arxiv.2208.13422,
title = {Light-YOLOv5: A Lightweight Algorithm for Improved YOLOv5 in Complex Fire Scenarios},
author = {Hao Xu and Bo Li and Fei Zhong},
journal= {arXiv preprint arXiv:2208.13422},
year = {2022}
}