基于改进型YOLOv8的复杂环境烟火检测
作者机构：吉首大学计算机科学与工程学院湖南吉首416000
出 版 物：《电脑知识与技术》 (Computer Knowledge and Technology)
年 卷 期：2024年第20卷第18期
页 面：30-33,36页
学科分类：0401[教育学-教育学] 04[教育学] 040102[教育学-课程与教学论]
基 金：湖南省大学生创新创业训练计划项目(No.S202310531041) 湖南省普通高校教改重点项目(No.HNJG-2021-0121)
主 题：烟火检测 条件参数化卷积 特征 Yolov8 深度学习
摘 要：为解决森林火灾烟火检测识别较慢、检测准确性较低的问题,将Backbone部分的传统卷积替换为条件参数化卷积,显著增强模型性能,通过实验验证凸显了改进型YOLOv8在烟火检测方面的有效性,表现出平均均值精度(mAP)的mAP50达到99.499%且mAP50-95达到97.392%,识别达到99.539%的同时模型召回率也提升至99.746%。相较于原始的YOLOv8,降低了模型的复杂度且有效提升了模型识别的实时性,FPS提升56.41,达到256.41,且模型复杂度下降0.3GFLOPs。
维普期刊数据库
同方期刊数据库