基于YOLOv4的多形态火焰目标检测模型训练方法研究.docx

下载文档

1
0
约8.78千字
约 6页
2024-09-28 发布于河北
举报
版权申诉
保障服务

基于YOLOv4的多形态火焰目标检测模型训练方法研究.docx

1、本文档共6页，其中可免费阅读2页，需付费200金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。

摘要：火灾是一种多发的破坏性灾难，通常会导致生命和财产巨大损失，利用图像监控系统，研究自动化火焰目标检测模型意义重大。文章采用基于深度学习的目标检测系统YOLOv4算法训练模型。自建了一个没有重复数据，包含1566张火焰图像的数据集Multifire，它是一个小规模的混合数据集，进行了精心的数据标注和清洗，旨在训练通用性好的多形态火焰检测模型。通过在不同分布的火焰数据子集上实施交叉验证，筛选出3个性能良好的火焰检测模型，模型针对规则火、森林野火和混合火进行检测，综合性能指标F1，分别达到了0.87、0.88和0.78。对于一般性的多形态火焰检测任务，笔者提出一种集成检测的策略，有效降低火焰目标