一种动态多尺度注意力网络的火灾检测方法技术

本发明专利技术公开了一种动态多尺度注意力网络的火灾检测方法，首先利用ODConv改进YOLOv7‑tiny中的ELAN模块，提出ODMBRBlock模块，引入EMA注意力机制，建立ODEMANet骨干网络提取火灾场景特征。针对空间特征容易丢失的问题，提出空间金字塔池化FSPPF结构，用于提取多尺度空间特征。使用GELU激活函数替换原有的激活函数，提高训练过程的收敛速度和性能。使用边界框回归，解决损失函数无法优化预测框和真实框不相交的问题。引入动态标签分配策略，根据分类与回归的加权分数选择正负样本。加入ODConv辅助检测头，通过牺牲训练时间，提高模型的性能。最终得到一种动态多尺度注意力网络的火灾检测方法，实验表明，本发明专利技术有效提高了对火灾场景的特征提取能力，获得了更好的检测性能。

【技术实现步骤摘要】

本专利技术涉及火灾检测领域，具体是一种动态多尺度注意力网络的火灾检测方法。

技术介绍

1、火灾威胁着人类的生命和财产安全，严重时会造成巨大经济损失和人员伤亡。随着经济快速发展，城市建筑物的规模越来越大，火情愈加复杂，灭火难度也随之增大。目前的灭火方式仍然以人工灭火为主，在灭火过程中，经常有消防人员受伤甚至牺牲。

2、发展安全和高效的消防手段，如在火灾发生前使用摄像头等设备进行火灾监测，火灾发生后使用消防机器人代替人工灭火可以有效减少人员伤亡和财产损失。消防机器人主要通过摄像头等设备对火场情况进行探索，基于图像对火灾目标进行精确识别是消防机器人高效灭火的关键，且消防机器人对火灾目标检测有着较高的实时性和准确性的要求，所以，针对基于图像的火灾检测方法进行研究具有重要的价值。

3、odconv利用一种新颖的多维注意力机制和并行策略来学习卷积核在任意卷积层的内核空间中的四个维度上的互补注意力。

4、ema是一种新颖高效的多尺度注意力模块，通过将部分通道重塑为批量维度，并分组为多个子特征，可以保留每个通道上的维度信息，从而使空间语本文档来自技高网...

【技术保护点】

1.一种动态多尺度注意力网络的火灾检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种动态多尺度注意力网络的火灾检测方法，其特征在于，所述步骤1的具体方法为：

3.根据权利要求1所述的一种动态多尺度注意力网络的火灾检测方法，其特征在于，所述步骤2建立ODEMANet骨干网络提取特征的具体方法为：

4.根据权利要求1所述的一种动态多尺度注意力网络的火灾检测方法，其特征在于，所述步骤3建立颈部网络层的具体方法为：

5.根据权利要求1所述的一种动态多尺度注意力网络的火灾检测方法，其特征在于，所述步骤4的具体方法为：

6....

【技术特征摘要】

1.一种动态多尺度注意力网络的火灾检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种动态多尺度注意力网络的火灾检测方法，其特征在于，所述步骤1的具体方法为：

3.根据权利要求1所述的一种动态多尺度注意力网络的火灾检测方法，其特征在于，所述步骤2建立odemanet骨干网络提取特征的具体方法为：

4.根据权利要求1所述的一种动态多尺度注意力网络的火灾检测方法，其特征在于，所述步骤3建立颈部网络层的具体方法为：

...

【专利技术属性】
技术研发人员：严云洋，叶翔，王盘龙，董可，冷志超，祝巧巧，耿嘉雯，朱妍，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：