模式识别与人工智能
2025年4月4日 星期五   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2022, Vol. 35 Issue (6): 548-561    DOI: 10.16451/j.cnki.issn1003-6059.202206007
“基于深度学习的目标检测与识别”专题 最新目录| 下期目录| 过刊浏览| 高级检索 |
YOLOv5上融合多特征的实时火焰检测方法
张大胜1, 肖汉光1, 文杰2,3, 徐勇2,3
1.重庆理工大学 两江人工智能学院 重庆 401135;
2.哈尔滨工业大学(深圳) 计算机科学与技术学院 深圳 518055;
3.哈尔滨工业大学(深圳) 深圳市视觉目标检测与判识重点实验室 深圳 518055
Real-Time Fire Detection Method with Multi-feature Fusion on YOLOv5
ZHANG Dasheng1, XIAO Hanguang1, WEN Jie2,3, XU Yong2,3
1. College of Liangjiang Artificial Intelligence, Chongqing University of Technology, Chongqing 401135;
2. School of Computer Science and Technology, Harbin Institute of Technology(Shenzhen), Shenzhen 518055;
3. Shenzhen Key Laboratory of Visual Object Detection and Re-cognition, Harbin Institute of Technology(Shenzhen), Shen-zhen 518055

全文: PDF (10581 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 在自然场景中,天气情况、光照强度、背景干扰等问题影响火焰检测的准确性.为了实现复杂场景下实时准确的火焰检测,在目标检测网络YOLOv5的基础上,结合Focal Loss焦点损失函数、CIoU(Complete Intersection over Union)损失函数与多特征融合,提出实时高效的火焰检测方法.为了缓解正负样本不均衡问题,并充分利用困难样本的信息,引入焦点损失函数,同时结合火焰静态特征和动态特征,设计多特征融合方法,达到剔除误报火焰的目的.针对国内外缺乏火焰数据集的问题,构建大规模、高质量的十万量级火焰数据集(http://www.yongxu.org/databases.html).实验表明,文中方法在准确率、速度、精度和泛化能力等方面均有明显提升,同时降低误报率.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
张大胜
肖汉光
文杰
徐勇
关键词 YOLOv5火焰检测Focal Loss损失函数CIoU损失函数多特征融合    
Abstract:In natural scenes, the accuracy of fire detection is affected by weather conditions, light intensity and background interference. To achieve real-time accurate fire detection in complex scenarios, a real-time efficient fire detection method based on improved YOLOv5 is proposed. The proposed method is combined with Focal Loss, complete intersection over union loss function and multi-feature fusion to detect fires in real time. The focal loss function is introduced to alleviate the imbalance between positive and negative samples and make full use of the information of difficult samples. Meanwhile, combining the static and dynamic features of fires, a multi-feature fusion method is designed to eliminate false alarm fires. Aiming at the lack of fire datasets at home and abroad, a large-scale and high-quality fire dataset of 100 000 magnitude is constructed(http://www.yongxu.org/databases.html). Experiments show that the accuracy, speed, precision and generalization ability of the proposed method are significantly improved.
Key wordsYou Only Look Once Version5(YOLOv5)    Fire Detection    Focal Loss Function    Complete Intersection over Union(CIoU) Loss Function    Multi-feature Fusion   
收稿日期: 2022-01-16     
ZTFLH: TP 389.1  
基金资助:国家自然科学基金项目(No.61971078)、中国博士后创新人才支持计划(No.BX20190100)资助
通讯作者: 肖汉光,博士,教授,主要研究方向为图像处理、机器视觉、多模感知、智能信息处理.E-mail:hgxiao@cqut.edu.cn.   
作者简介: 张大胜,硕士研究生,主要研究方向为计算机视觉、图像处理、目标检测.E-mail:dashengzhangxm@163.com.
文 杰,博士,助理教授,主要研究方向为机器学习、模式识别.E-mail:jiewen_pr@126.com.
徐 勇,博士,教授,主要研究方向为模式识别、图像处理、深度学习、生物特征识别、生物信息学.E-mail:laterfall@hit.edu.cn.
引用本文:   
张大胜, 肖汉光, 文杰, 徐勇. YOLOv5上融合多特征的实时火焰检测方法[J]. 模式识别与人工智能, 2022, 35(6): 548-561. ZHANG Dasheng, XIAO Hanguang, WEN Jie, XU Yong. Real-Time Fire Detection Method with Multi-feature Fusion on YOLOv5. Pattern Recognition and Artificial Intelligence, 2022, 35(6): 548-561.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.202206007      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2022/V35/I6/548
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn