检索结果-南通市图书馆

基于YOLOv5s的复杂场景下高效烟火检测算法——YOLOv5s-MRD

计算机应用 2025年

作者：侯阳张琼赵紫煊朱正宇张晓博成都锦城学院电子信息学院西南交通大学计算机与人工智能学院

基于现有烟火检测主要依赖员工现场巡视，存在效率低且实时性差的问题，提出一种基于YOLOv5s的复杂场景下的高效烟火检测算法YOLOv5s-MRD (YOLOv5s with Maximized position-dependent intersection over union, Reversible column networks and Dynamic head)。首先，采用MPDIoU(Maximized Position-Dependent Intersection over Union)度量方法改进边框损失函数，以适应重叠或非重叠的边界框回归，从而提高边界框回归的准确性和效率；其次，利用可逆柱状结构（Reversible Column networks, revcol）模型思想重构YOLOv5s模型的主干网络（Backbone），使它成为一个多柱状网络架构，并在模型的不同层之间加入可逆链接，从而最大程度地保持特征信息以提高网络的特征提取能力；最后，引入Dynamic Head检测头，以统一尺度感知、空间感知和任务感知，在不额外增加计算开销的条件下，显著提高目标检测头的准确性和有效性。实验结果表明：在DFS烟火数据集上，对比原始YOLOv5s算法，改进后的网络的m AP@0.5提升了4.6个百分点，预测的准确率提升了6.2个百分点，召回率则提升了11个百分点，满足当前烟火检测应用场景的要求。

关键词：目标检测 revcol网络 YOLOv5 Dynamic Head检测头 MPDIoU度量烟火检测

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：