龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：桂林理工大学
申请日：2024-03-14
公开（公告）日：2024-06-14
公开（公告）号：CN118196489A
主分类号：G06V10/764
分类号：G06V10/764;G06V10/774;G06V10/82;G06N3/0464;G06V10/42;G06V10/80;G06N3/08
优先权：
专利状态码：在审-公开
法律状态：2024.06.14#公开
摘要：本发明专利公开了一种基于轻量化YOLOv8的火灾烟雾检测方法。通过收集并处理中国科学技术大学火灾科学国家实验室公布的烟雾图片，并制作火灾烟雾检测数据集FAS。以YOLOv8网络为基础，使用双卷积（DualConv）改进主干网络的C2f模块，使用BiFPN网络改进原特征融合网络PAFPN，使用ShapeIoU损失函数替换YOLOv8的原始回归损失函数，形成FAS‑YOLO网络。将FAS‑YOLO网络在FAS数据集上进行训练与检测，保存训练最优模型用于实际火灾烟雾检测场景中。本发明专利在实现了模型轻量化的同时提升了模型的特征提取能力以及检测精度和速度，为真实场景下的火灾烟雾检测提供了技术支持。
主权项：1.一种基于轻量化YOLOv8的火灾烟雾检测方法，其特征在于，具体步骤如下：步骤一，制作火灾烟雾检测数据集FAS：通过收集并处理中国科学技术大学火灾科学国家实验室公布的烟雾图片，并制作成火灾烟雾检测数据集FAS；步骤二，搭建FAS-YOLO网络模型：以YOLOv8网络为基础，使用双卷积（DualConv）改进主干网络的C2f模块，使用BiFPN网络改进原特征融合网络PAFPN，使用ShapeIoU损失函数替换YOLOv8的原始回归损失函数形成FAS-YOLO网络；步骤三，使用FAS数据集训练FAS-YOLO网络：在FAS数据集上进行FAS-YOLO网络的训练与检测，保存训练最优模型；步骤四，将保存的最优模型用于真实场景下的火灾烟雾检测任务。
全文数据：
权利要求：
百度查询： 桂林理工大学 一种基于轻量化YOLOv8的火灾烟雾检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号