增强感受野特征的多尺度火灾检测方法

摘要

针对当前火灾检测效果差和抗干扰能力弱等问题，提出一种增强感受野特征的多尺度火灾检测方法.首先，引入感受野注意力卷积(receptive-field attention convolution, RFAConv),增强感受野空间特征的提取；其次，结合反向残差移动模块(inverted residual mobile block, iRMB)和通道先验卷积注意力(channel prior convolutional attention, CPCA)设计C2fiC模块，提高模型表达和融合不同尺度特征的能力；然后，采用共享参数结构，引入轻量卷积重构检测头，降低模型参数和计算复杂度；最后，引入Focaler-GIoU损失函数，平衡难易样本.实验结果表明，改进模型参数量和计算量均有所降低，检测精度更高，能满足火灾场景中的检测要求.

关键词

火灾检测 / 感受野特征 / 注意力机制 / 损失函数 / YOLOv8n

基金资助

国家自然科学基金资助项目(62076107); 江苏省“六大人才高峰”资助项目(2013DZXX-023)