一种动态多尺度注意力网络的火灾检测方法
摘要文本
本发明公开了一种动态多尺度注意力网络的火灾检测方法，首先利用ODConv改进YOLOv7‑tiny中的ELAN模块，提出ODMBRBlock模块，引入EMA注意力机制，建立ODEMANet骨干网络提取火灾场景特征。针对空间特征容易丢失的问题，提出空间金字塔池化FSPPF结构，用于提取多尺度空间特征。使用GELU激活函数替换原有的激活函数，提高训练过程的收敛速度和性能。使用边界框回归，解决损失函数无法优化预测框和真实框不相交的问题。引入动态标签分配策略，根据分类与回归的加权分数选择正负样本。加入ODConv辅助检测头，通过牺牲训练时间，提高模型的性能。最终得到一种动态多尺度注意力网络的火灾检测方法，实验表明，本发明有效提高了对火灾场景的特征提取能力，获得了更好的检测性能。 关注微信公众号专利查询网
申请人信息
- 申请人:淮阴工学院
- 申请人地址:223005 江苏省淮安市经济技术开发区枚乘东路1号
- 发明人: 淮阴工学院
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种动态多尺度注意力网络的火灾检测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311439450.6 |
| 申请日 | 2023/10/31 |
| 公告号 | CN117409359A |
| 公开日 | 2024/1/16 |
| IPC主分类号 | G06V20/50 |
| 权利人 | 淮阴工学院 |
| 发明人 | 严云洋; 叶翔; 王盘龙; 董可; 冷志超; 祝巧巧; 耿嘉雯; 朱妍 |
| 地址 | 江苏省淮安市洪泽区东七街三号高新技术产业园A12-2(淮阴工学院技术转移中心洪泽分中心) |
专利主权项内容
1.一种动态多尺度注意力网络的火灾检测方法，其特征在于，包括如下步骤：步骤1：从互联网采集火灾数据，进行数据清洗和数据预处理，得到火灾检测数据集F，输入模型训练时通过AlignMix进行数据增强；步骤2：提出ODMBRBlock模块，所述ODMBRBlock模块添加多分支残差连接，同时将一个常规卷积替换为ODConv全维动态卷积，利用ODMBRBlock模块改进YOLOv7-tiny中的ELAN模块；在ODMBRBlock模块后加入EMA注意力机制，与MP模块结合，建立ODEMANet骨干网络提取特征；步骤3：使用空间金字塔池化FSPPF结构替换YOLOv7-tiny原有的SP结构，建立颈部网络层；步骤4：使用GELU激活函数替换YOLOv7-tiny原有的Leaky ReLU激活函数；步骤5：引入EIOU损失函数，使用α-IOU损失函数与EIOU损失函数进行组合，得到α-EIOU损失函数；步骤6：加入动态标签分配策略，即Dynamic ATSS，优化正负样本分配，提高模型性能；步骤7：使用辅助检测头ODConv，建立动态多尺度注意力网络，即Dynamic Multi-ScaleAttention Networks，得到DMANet火灾检测模型，利用DMANet火灾检测模型对待检测的火灾数据图片进行检测。。搜索马 克 数 据 网