摘要
لمشكلة ضعف ميزات التفاصيل في الخرائط المميزة ذات المستوى العالي في الشبكات العصبية التلافيفية مما يؤدي إلى فقدان ميزات الطبقة السفلى لصور الدخان، تم اقتراح خوارزمية YOLOv4 محسنة تدمج ميزات التفاصيل وآلية الانتباه المختلطة. تم تصميم وحدة دمج ميزات التفاصيل لإدخال ميزات التفاصيل من الطبقة السفلى في الشبكة الأساسية إلى خريطة الميزات ذات المستوى العالي، للحصول على ميزات مدمجة غنية بمعلومات متعددة المقاييس. تم استخدام آلية الانتباه المختلطة على أوزان الصور للميزات المدمجة في أبعاد القناة والمكان، لتعزيز ميزات أهداف الدخان مع قمع ميزات المناطق غير ذات الصلة، مما يجعل تعبير ميزات الدخان أكثر متانة. تظهر نتائج التجارب أن متوسط الدقة، الدقة، والاسترجاع لخوارزمية هذا البحث قد تحسنت بنسبة 4.31٪، 1.21٪، و9.86٪ على التوالي مقارنة بخوارزمية YOLOv4، مع الحفاظ على سرعة كشف سريعة. يمكن لخوارزمية هذا البحث استخراج الميزات الكلية لأهداف الدخان بفعالية، وهي أكثر ملاءمة لمهمة كشف دخان الحرائق في الخلفيات المعقدة.
关键词
كشف الدخان; التعلم العميق; خوارزمية YOLOv4; دمج الميزات; آلية الانتباه المختلطة
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website