文献类型：期刊文章

作　　者：张剑飞[1] 柯赛[1]

ZHANG Jianfei;KE Sai(School of Computer&Information Engineering,Heilongjiang University of Science&Technology,Harbin 150022)

机构地区：[1]黑龙江科技大学计算机与信息工程学院,哈尔滨150022

出　　处：《计算机与数字工程》

基　　金：国家自然科学基金项目“不确定模型参数和噪声方差多传感器广义系统鲁棒性估计算法”(编号:61803148)资助。

年　　份：2022

卷　　号：50

期　　号：2

起止页码：318-322

语　　种：中文

收录情况：ZGKJHX、普通刊

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]