基于改進(jìn)YOLOv8的森林火災(zāi)探測(cè)技術(shù)研究
所屬分類：技術(shù)論文
上傳者：wwei
文檔大小：3704 K
標(biāo)簽： YOLOv8 森林火災(zāi)探測(cè) 圖像分析
所需積分：0分積分不夠怎么辦？
文檔介紹：森林火災(zāi)探測(cè)是當(dāng)前的一個(gè)重點(diǎn)研究方向，然而，真實(shí)的森林火災(zāi)場(chǎng)景中存在大量的負(fù)樣本數(shù)據(jù)，嚴(yán)重影響目標(biāo)探測(cè)的性能，同時(shí)邊端側(cè)部署需要更加輕量化的模型。針對(duì)這一問題,提出了一種改進(jìn)的YOLOv8方法，該方法首先引入EfficientViT模塊到骨干網(wǎng)絡(luò)（Backbone），通過級(jí)聯(lián)分組注意力模塊，減少計(jì)算開銷；然后，在頭部網(wǎng)絡(luò)（Head）中引入CBAM模塊，對(duì)骨干網(wǎng)絡(luò)提取的特征進(jìn)行特征增強(qiáng)，同時(shí)抑制噪聲和無關(guān)信息；最后針對(duì)數(shù)據(jù)集的低質(zhì)量樣本，引入Wise-IoU損失函數(shù)，增強(qiáng)數(shù)據(jù)集訓(xùn)練效果。實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的YOLOv8模型對(duì)森林火災(zāi)的檢測(cè)精度達(dá)到79.5%，檢測(cè)速度達(dá)到75 FPS，整個(gè)模型的參數(shù)量降低了5.7%，對(duì)森林火災(zāi)探測(cè)具有重要意義。
現(xiàn)在下載
VIP會(huì)員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。