基于改进YOLOv8的室内火情检测 | |
杨明1; 钱松荣2 | |
2024 | |
发表期刊 | 建模与仿真 |
ISSN | 2324-8696 |
卷号 | 13期号:4页码:4863-4871 |
摘要 | 随着城市化进程的加快,室内火灾预警变得尤为重要。基于视觉的深度学习技术已成为火灾检测的研究热点,但在性能上仍有较大的改进空间。因此,本文设计了一种改良版的YOLOv8s算法,以提高室内火灾检测的准确性和实时性。改进的YOLOv8s算法通过整合Ghost模块和卷积块注意力机制(CBAM),大幅降低了计算复杂度并增强了特征融合的作用。实验结果表明,该改进模型在模型参数量方面减少了44%,同时帧率提升了19.6%,检测精度也增加了2个百分点;在与其他主流算法进行对比时,在模型的精度、召回率和参数等均体现出均衡的优势。本文详细评估了这些改进对模型检测性能的影响,结果表明,改进后的YOLOv8s算法在检测速度和准确性上均表现出显著优势。本研究不仅为室内火灾监测提供了更高效的解决方案,也展示了深度学习在火灾检测中的广阔应用前景。 |
关键词 | 室内火情监测 YOLOv8 Ghost网络 CBAM 目标检测 |
URL | 查看原文 |
语种 | 中文 |
资助项目 | 基于人工智能的动态监测系统关键技术开发及应用研究(黔科合支撑[2019]2886号) |
文献类型 | 期刊论文 |
条目标识符 | http://ir.library.ouchn.edu.cn/handle/39V7QQFX/172374 |
专题 | 国家开放大学 |
作者单位 | 1.安顺开放大学,贵州安顺; 2.贵州大学省部共建公共大数据实验室,贵州贵阳 |
推荐引用方式 GB/T 7714 | 杨明,钱松荣. 基于改进YOLOv8的室内火情检测[J]. 建模与仿真,2024,13(4):4863-4871. |
APA | 杨明,&钱松荣.(2024).基于改进YOLOv8的室内火情检测.建模与仿真,13(4),4863-4871. |
MLA | 杨明,et al."基于改进YOLOv8的室内火情检测".建模与仿真 13.4(2024):4863-4871. |
条目包含的文件 | ||||||
条目无相关文件。 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论