| 基于改進(jìn)YOLOv8的森林火災(zāi)探測技術(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 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)的檢測精度達(dá)到79.5%，檢測速度達(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。 | |
YOLOv8 相關(guān)資源
wwei 的最新分享
- 基于大數(shù)據(jù)的飛參數(shù)據(jù)融合集成與應(yīng)用技術(shù)研究
- 戰(zhàn)場大數(shù)據(jù)與數(shù)據(jù)安全防護(hù)的認(rèn)識(shí)與思考
- 基于圖卷積神經(jīng)網(wǎng)絡(luò)的分布式半監(jiān)督自動(dòng)標(biāo)注方法
- 用于數(shù)據(jù)采集和應(yīng)用的便攜式保障系統(tǒng)設(shè)計(jì)
- 基于多源態(tài)勢(shì)數(shù)據(jù)融合的體系仿真與效能評(píng)估方法
- 面向輕武器射擊的數(shù)據(jù)智能采集關(guān)鍵技術(shù)研究
- 數(shù)據(jù)質(zhì)量治理解決方案研究
- 基于分布式處理的航天試驗(yàn)大數(shù)據(jù)分析研究
Copyright ? 2005-2024 華北計(jì)算機(jī)系統(tǒng)工程研究所版權(quán)所有 京ICP備10017138號(hào)-2