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
ISSN2324-8696
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。
个性服务
查看访问统计
谷歌学术
谷歌学术中相似的文章
[杨明]的文章
[钱松荣]的文章
百度学术
百度学术中相似的文章
[杨明]的文章
[钱松荣]的文章
必应学术
必应学术中相似的文章
[杨明]的文章
[钱松荣]的文章
相关权益政策
暂无数据
收藏/分享
相关推荐
H公司行政管理绩效影响因素研究
我国市场经济伦理构建的必要性及现实性
美国三类私立高等学校经费筹措特点比较
论美国高等学校收费偏高的现状、成因和后果
略论艰苦奋斗是兴旺发达的支撑力量
一种基于类别均衡及交叉合并策略的噪声标签学习方法
计算机网络安全问题及防范措施探讨
一种用于羊肚菌液体菌种发酵的装置
所有评论 (0)
暂无评论
 

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。