畳み込みニューラルネットワークの高層特徴マップにおける細部特徴の減弱により煙画像の低層特徴が失われる問題に対し、細部特徴と混合注意機構を融合したYOLOv4改良アルゴリズムを提案する。細部特徴融合モジュールを設計し、バックボーンネットワークの低層細部特徴を高層特徴マップに導入し、豊富な多尺度情報を持つ融合特徴を得た。チャネルおよび空間次元で混合注意機構を用いて融合特徴のマップ重みを再割り当てし、煙対象特徴を強化するとともに無関係領域特徴を抑制し、煙特徴表現の堅牢性を向上させた。実験結果は本アルゴリズムの平均精度、適合率、再現率がYOLOv4アルゴリズムに比べてそれぞれ4.31％、1.21％、9.86％向上し、検出速度も高速を維持していることを示した。本アルゴリズムは煙対象の全体特徴を効果的に抽出でき、複雑な背景下での火災煙検知タスクにより適している。

煙検知; 深層学習; YOLOv4アルゴリズム; 特徴融合; 混合注意機構