改进YOLOv7算法在火灾现场行人检测中的应用

Chinese

您当前的位置：

首页 >

文章列表页 >

改进YOLOv7算法在火灾现场行人检测中的应用

应用技术 | 更新时间：2025-09-11

- 改进YOLOv7算法在火灾现场行人检测中的应用
- 暂无标题
- 传感器与微系统 2023年第7期页码：165-168
- 作者机构：
  
  东北林业大学计算机与控制工程学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目(61975028);黑龙江省重点研发计划资助项目(GZ20210017,GZ20210018)
- DOI：10.13873/J.1000-9787(2023)07-0165-04
  中图分类号： TU998.1;TP391.41
- 纸质出版：2023
- 稿件说明：
移动端阅览
赵伟, 沈乐, 徐凯宏. 改进YOLOv7算法在火灾现场行人检测中的应用[J]. 传感器与微系统, 2023,(7):165-168.
赵伟, 沈乐, 徐凯宏. 改进YOLOv7算法在火灾现场行人检测中的应用[J]. 传感器与微系统, 2023,(7):165-168. DOI： 10.13873/J.1000-9787(2023)07-0165-04.

DOI：

摘要

提出了一种改进的基于YOLOv7的火灾现场行人检测算法。首先，利用自动色阶算法对火灾现场图像进行预处理；然后，采用HorBlock与CSPNet构造HorBc模块，改进YOLOv7网络结构，加强特征提取能力；同时融合CBAM注意力机制，增加行人特征区域学习权重。实验结果表明：在收集的火灾现场行人数据集上平均精度为97.1%

召回率为95.6%

精确率达到了97.6%;相比原始YOLOv7算法，平均精度提升了1.5%

召回率提升了2.4%

精确率提升了1.8%

在实时性上达到了36.7 fps

满足实时性要求。

Abstract

关键词

Keywords

references

Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks.[J]. Ren Shaoqing;He Kaiming;Girshick Ross;Sun Jian.IEEE transactions on pattern analysis and machine intelligence,2017

基于YOLOv5的林业有害生物检测与识别[J]. 孙丽萍;谭少亨;周宏威;邹青池.森林工程,2022(05)

融合注意力机制的YOLOv5口罩检测算法[J]. 李小波;李阳贵;郭宁;范震.图学学报,2023(01)

基于YOLO v3的地面垃圾检测与清洁度评定方法[J]. 王一田;唐开强;留沧海;刘东.传感器与微系统,2022(04)

基于暗通道先验和优化自动色阶的图像去雾算法[J]. 庄秀玲;谭福奎;李震;李良荣.计算机应用与软件,2021(07)

基于YOLO v3的交通标志牌检测识别[J]. 潘卫国;刘博;陈英昊;石洪丽.传感器与微系统,2019(11)

0

浏览量

842

下载量

1

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

相关文章

基于遮挡感知的行人检测与跟踪算法

基于DSP的监控视频行人检测系统优化与实现

相关作者

李颀

王娇

邓耀辉

杨柳

路锦正

相关机构

陕西科技大学电子信息与人工智能学院

陕西科技大学电气与控制工程学院

西南科技大学信息工程学院

⁰