文档名：基于YOLOv5的森林火灾人员救援识别算法
摘要：针对森林火灾救援场景存在小目标实例多、人像重叠、类内个体差异小等特点,造成了救援目标识别漏检误检率高等问题.因此,提出一种基于YOLOv5的森林火灾人员救援识别算法,以提高目标检测精确度.通过将标准卷积模块改进为全维度动态卷积模块,增强目标区域的信息提取能力.同时,增加微小目标尺度预测结构,提高微小目标的识别准确性.林火人员救援数据集的实验结果表明,该方法可使模型平均精确度达到77.7%,较原YOLOv5s提高了2.4%,可有效检测森林火灾场景的人员目标,稳定提升模型的泛化性能.
Abstract：Aimingatthecharacteristicsofforestfirerescuescene,suchasmanysmalltargetinstances,overlappingportraits,andsmallindividualdifferenceswithintheclass,itcausestheproblemofhighrateoffalsenegativedetectionandfalsepositivedetectionofrescuetargetidentification.Therefore,aforestfirepersonnelrescuerecognitionalgorithmbasedonYOLOv5isproposedtoimprovetheaccuracyoftargetdetection.Byimprovingthestandardconvolutionmoduletotheomni-dimensionaldynamicconvolutionmodule,theinformationextractionabilityofthetargetareaisenhanced.Atthesametime,tinytargetscalepredictionstructureisaddedtoimprovetheaccuracyofsmalltargetrecognition.Theexperimentalresultsintheforestfirerescuedatasetshowthatthismethodcanmaketheaverageaccuracyofthemodelreach77.7%,whichis2.4%higherthantheoriginalYOLOv5s.Itcaneffectivelydetectthehumantargetsintheforestfirescene,andsteadilyimprovethegeneralizationabilityofthemodel.
作者：孟军帅 张宇萱 王耀力 常青 Author：MENGJunshuai ZHANGYuxuan WANGYaoli CHANGQing
作者单位：太原理工大学信息与计算机学院,山西太原030024中国传媒大学计算机与网络空间安全学院,北京100024
刊名：电子设计工程 ISTIC
Journal：ElectronicDesignEngineering
年，卷(期)：2024, 32(14)
分类号：TN91
关键词：森林火灾 人员救援 YOLOv5 全维度动态卷积 微小目标尺度预测
Keywords：forestfire personnelrescue YOLOv5 omni-dimensionaldynamicconvolution scalepred-ictionoftinytargets
机标分类号：TP3G632.4P208
在线出版日期：2024年7月19日
基金项目：基于YOLOv5的森林火灾人员救援识别算法[
期刊论文] 电子设计工程--2024, 32(14)孟军帅 张宇萱 王耀力 常青针对森林火灾救援场景存在小目标实例多、人像重叠、类内个体差异小等特点,造成了救援目标识别漏检误检率高等问题.因此,提出一种基于YOLOv5的森林火灾人员救援识别算法,以提高目标检测精确度.通过将标准卷积模块改进为全...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于YOLOv5的森林火灾人员救援识别算法 Forest fire personnel rescue identification algorithm based on YOLOv5
基于YOLOv5的森林火灾人员救援识别算法.pdf
- 文件大小:
- 2.03 MB
- 下载次数:
- 60
-
高速下载
|
|
