首页|基于CG-yolo的烟火检测

基于CG-yolo的烟火检测

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对山火烟雾的检测存在由于监控范围广、发生频率不固定等造成的高成本问题,在边缘计算思维的启发下,提出了一个基于YOLOv5改进的适用于前端布设的轻量级识别网络.该方法针对YOLOv5模型过大的缺陷,通过修改网络结构,将融合了通道注意力机制CoordAttention的Ghostbottleneck模块与YOLOv5结合,提出一种改进型卷积神经网络CG-yolo识别网络.实验结果表明,CG-yolo相对于YOLOv5s算法速度提高了9.5％,查全率提升了1.8％,查准率仅损失1.7％,部署在NVIDIA的Jetson Nano边缘计算平台上时运行速度可以达到13fps,更好地满足了隐患监测的工程实际需求.
Detection of Fireworks Based on CG-yolo

邹辉军、焦良葆、孟琳、张智坚、赵维科

展开 >

南京工程学院人工智能产业技术研究院 南京 211167

YOLOv5 Ghostbottleneck 通道注意力机制 边缘计算

国家自然科学基金青年基金

61903183

2022

10.3969/j.issn.1672-9722.2022.01.039

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2022.50(1)
  • 5
  • 7