-
公开(公告)号:CN116824340A
公开(公告)日:2023-09-29
申请号:CN202310907910.7
申请日:2023-07-21
Applicant: 哈尔滨理工大学
IPC: G06V10/82 , G06V10/80 , G06V10/774 , G06V10/20 , G06V20/52
Abstract: 本发明公开一种基于GS‑YOLO v5的森林火灾检测方法。首先使用翻转、人为添加噪声等方法扩充数据集,同时添加云、雨、雾、夕阳等数据集,通过上述两种方法增加数据量并在一定程度上提高了算法的鲁棒性;其次,本文提出了一种新型的Super‑SPPF模块,其借鉴了CSP结构在避免图像处理造成失真的同时,保留了更多的语义信息,从而降低了检测方法的假阳性率。然后,通过串行的SoftPooling与GhostConv结构,提升了检测速度并降低了模型的参数量。最后,在YOLOv5的Backbone中引入了位置注意力(CA)模块来获取通道与空间之间的关系,使得网络可以更准确地获取感兴趣的位置信息,进一步提升了早期火灾的检测精度。为了验证所提出方法的性能,本发明建立了DLFire数据集,通过收集大量的干扰样本提高了模型的鲁棒性并有效地降低了假阳性率。