申请/专利权人:淮阴工学院
申请日:2024-01-08
公开(公告)日:2024-05-03
公开(公告)号:CN117974973A
主分类号:G06V10/25
分类号:G06V10/25;G06V10/82;G06V10/80;G06N3/0464;G06N3/082
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.21#实质审查的生效;2024.05.03#公开
摘要:本发明公开了一种融合YOLOv8和RT‑DETR的火灾检测方法,其中,YOLOv8和RT‑DETR融合网络模型中,YOLOv8的主干网络模块中C2f模块的Bottleneck替换为FasterNet模块,并在FasterNet模块中添加EMA注意力机制;YOLOv8的NECK模块中C2f模块的Bottleneck也替换为FasterNet模块;YOLOv8的检测头替换为RT‑DETRDecoder;主干网络模块中P2层特征图也引入到Neck模块中进行特征融合。本发明实现了模型的进一步轻量化,适于低端设备运行,同时提升了火灾检测精度,尤其是火灾检测中小目标的检测精度。
主权项:1.一种融合YOLOv8和RT-DETR的火灾检测方法,其特征在于,包括:1收集火灾图像数据,构建火灾数据集;2构建YOLOv8和RT-DETR融合网络模型,包括:将YOLOv8的主干网络模块中C2f模块的Bottleneck替换为FasterNet模块,并在FasterNet模块中添加EMA注意力机制;在YOLOv8的NECK模块中C2f模块的Bottleneck也替换为FasterNet模块;使用RT-DETRDecoder替换YOLOv8的检测头;将主干网络模块中P2层特征图也引入到Neck模块中进行特征融合;3利用火灾数据集对YOLOv8和RT-DETR融合网络模型进行训练;4将待检测火灾图像输入经训练的YOLOv8和RT-DETR融合网络模型,得到火灾检测结果。
全文数据:
权利要求:
百度查询: 淮阴工学院 一种融合YOLOv8和RT-DETR的火灾检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。