[发明专利]基于改进YOLOv3的火灾检测识别方法

权利要求书

1.一种基于改进YOLOv3的火灾检测识别方法，具体步骤如下：

第一步，构建火灾数据集：通过网页爬取技术获取网络上的火灾图片，然后对火灾图片进行筛选，并用滤波技术对筛选好的图片进行图像增强；处理成功的火灾图片一共有2000张，涵盖了各种环境，如森林、室内、草原等。

第二步，标注用于训练的数据集：本文使用的算法需要对标注图像生成的xml文件的信息进行读取，读取xml文件中图像的宽高以及标注区域的左上角坐标和右下角坐标；在标注图片的时候，我们使用的是labelImg，使用它能够有效地对图像进行标注，并在标注完之后生成VOC格式的xml文件。

第三步，提出一种新的YOLO算法：在YOLOv3的主干网络darknet53中引入了SE残差模块，同时在YOLOv3采用FPN的输出方式的基础上引入自适应空间特征融合技术。

第四步，训练修改后的深度卷积神经网络：基于已有的火灾数据集预训练修改后的神经网络，在训练时对前50个epoch使用冻结训练，后50个epoch进行解冻训练。

第五步，利用训练好的模型在测试集上验证模型效果。

2.根据权利要求1所述的方法，其特征在于，改进YOLOv3主干网络darknet53，在darknet53中引入SE残差模块。

3.根据权利要求1所述的方法，其特征在于，在YOLOv3采用FPN的输出方式的基础上引入自适应空间特征融合技术。

4.根据权利要求1所述的方法，其特征在于，改进YOLOv3损失函数，修改后的损失函数如下式所示：

式中：λ_coord为坐标预测的惩罚系数，本发明中取5；λ_noobj为不包括目标时的置信惩罚系数，本文取0.5；S²为网格数，B为每个单元的预测框数；和表示目标是否落入第i单元的第j个边界框；x_i，y_i，w_i，h_i分别表示真实目标中心点横纵坐标及宽度和高度；分别表示预测的目标中心点横纵坐标及宽度和高度；C_i和分别表示第i个网格中目标的真实置信度和预测框的置信度；P_i(c)和分别代表真实框和预测框类别的概率值。