检索结果-南通市图书馆

检索条件"主题词=Yolov5-ST"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于迁移学习的粮仓小目标火焰烟雾检测系统的研究与实现

基于迁移学习的粮仓小目标火焰烟雾检测系统的研究与实现

引用

作者：施昊西安电子科技大学

学位级别：硕士

火灾是一种具有极高危害性的灾害,它不仅会对人们的生命财产造成严重威胁,还会对环境和社会经济造成重大影响。粮仓火灾是一种常见的火灾类型,它还可能引发扩散性火灾、爆炸、烟雾和有害气体等危险。借助现代科技手段,如人工智能,计算... 详细信息

火灾是一种具有极高危害性的灾害,它不仅会对人们的生命财产造成严重威胁,还会对环境和社会经济造成重大影响。粮仓火灾是一种常见的火灾类型,它还可能引发扩散性火灾、爆炸、烟雾和有害气体等危险。借助现代科技手段,如人工智能,计算机视觉等,实现对粮仓火灾的及时预警和快速响应,降低火灾的损失和影响。目前,基于计算机视觉的粮仓内小目标火灾烟雾检测的研究存在以下难点:(1)小目标火焰的标注尺寸较小,模型对小目标的特征提取能力有限,实际应用时还容易忽略小目标火焰;(2)小目标火焰烟雾数据集规模小导致模型训练不完全。本文聚焦于卷积神经网络和迁移学习,提出了yolov5-st和CC-Tuning算法,提高粮仓内小目标火灾烟雾检测的准确率。(1)针对模型难以提取小目标特征的问题,提出了yolov5-st算法。该算法具有以下特点:首先,小目标检测层使模型能够检测到小至4x4的目标;其次,Swin-transformer＿CBAM作为主干网络,其融入了CBAM注意力模块,通过多尺度特征提取来提高模型对小目标的检测能力;最后,使用加权双向特征金字塔,增加了自下而上的特征融合通路并赋予特征图权重,使模型适应不同大小和不同级别的目标。通过实验对比,小体积的yolov5s-st和大体积的yolov5x-st的平均准确率分别提高了52.4%和59.1%。(2)针对小目标火焰烟雾数据集样本小,导致模型训练不完全的问题,提出了CC-Tuning算法。该算法通过迁移学习来优化预训练模型,学习源域标签和目标域标签之间的类别关系,从而在迁移过程中保留绝大部分参数,再利用分类检测头充分探索预训练模型的标签结构信息,进一步提高预训练模型的质量。实验结果表明,迁移过程中预训练模型仅损失了0.58%参数量。将新预训练模型载入到yolov5-st中进行训练后,yolov5x-st的m AP最终提高到68.2%,并且对小目标火焰的检测效果要比烟雾的检测效果更优秀。(3)设计并实现了一套粮仓火灾检测系统。在服务器上部署yolov5-st模型,使用多线程实现了系统的主要功能,降低了系统的响应时间。当火灾发生时,该系统能及时触发警报系统,并通过现场警铃和推送警报信息的形式,及时向相关人员提醒危险。随后对系统进行了功能测试、阶梯式压力测试和兼容性测试,验证了该系统可以兼容主流系统和主流浏览器,能够在日常环境下长时间稳定运行。

关键词：火灾检测小目标检测 yolov5-st 迁移学习 CC-Tuning

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

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：