합성곱 신경망의 고수준 특징 맵에서 세부 특징이 약화되어 연기 이미지의 저수준 특징이 손실되는 문제를 해결하기 위해, 세부 특징과 혼합 주의 메커니즘을 융합한 YOLOv4 개선 알고리즘을 제안한다. 세부 특징 융합 모듈을 설계하여 백본 네트워크의 저수준 세부 특징을 고수준 특징 맵에 도입하여 풍부한 다중 스케일 정보를 포함한 융합 특징을 얻었다. 채널 및 공간 차원에서 혼합 주의 메커니즘을 사용하여 융합 특징의 맵 가중치를 재할당함으로써 연기 대상 특징을 강화하고 관련 없는 영역 특징을 억제하여 연기 특징 표현의 견고성을 향상시켰다. 실험 결과 본 알고리즘의 평균 정밀도, 정밀도 및 재현율이 YOLOv4 알고리즘 대비 각각 4.31%, 1.21%, 9.86% 향상되었으며, 신속한 검출 속도를 유지하였다. 본 알고리즘은 연기 대상의 전체 특성을 효과적으로 추출할 수 있어 복잡한 배경에서의 화재 연기 탐지 작업에 더 적합하다.

연기 탐지; 딥러닝; YOLOv4 알고리즘; 특징 융합; 혼합 주의 메커니즘