基于YOLOv5的森林火灾人员救援识别算法

作     者：孟军帅 张宇萱 王耀力 常青 MENG Junshuai;ZHANG Yuxuan;WANG Yaoi;CHANG Qing

作者机构：太原理工大学信息与计算机学院山西太原030024 中国传媒大学计算机与网络空间安全学院北京100024 

出 版 物：《电子设计工程》 (Electronic Design Engineering)

年 卷 期：2024年第32卷第14期

页      码：189-195页

摘      要：针对森林火灾救援场景存在小目标实例多、人像重叠、类内个体差异小等特点,造成了救援目标识别漏检误检率高等问题。因此,提出一种基于YOLOv5的森林火灾人员救援识别算法,以提高目标检测精确度。通过将标准卷积模块改进为全维度动态卷积模块,增强目标区域的信息提取能力。同时,增加微小目标尺度预测结构,提高微小目标的识别准确性。林火人员救援数据集的实验结果表明,该方法可使模型平均精确度达到77.7%,较原YOLOv5s提高了2.4%,可有效检测森林火灾场景的人员目标,稳定提升模型的泛化性能。

主 题 词：森林火灾 人员救援 YOLOv5 全维度动态卷积 微小目标尺度预测 

学科分类：0810[工学-土木类] 08[工学] 081001[081001] 

D　O　I：10.14022/j.issn1674-6236.2024.14.039

馆 藏 号：203128529...