融合转置卷积的YOLOv3吸烟检测算法

来源：计算机测量与控制杂志2024年第8期北京时间：

作者：龚英杰,沈希忠

单位：上海应用技术大学电气与电子工程学院

摘要：为预防公共场所因吸烟而引发的安全事故，在YOLOv3框架的基础上提出了改进的吸烟检测算法。首先针对传统上采样操作丢失像素信息等问题，设计出一种卷积-转置卷积模块进行替换；在特征融合部分加入坐标注意力机制，使网络更好关注小目标；使用改进的k-means++优化先验框；最后将GIoU替换IoU作为算法的损失函数，进一步提高检测精度。此外，构建了一个多场景的抽烟数据集，并对数据集进行数据增强与扩充。实验结果表明改进后算法较原算法在AP@0.5和AP@0.5：0.95上分别提高5.58%和3.34%，FPS降低3点左右。

关键词：深度学习;目标检测;小目标;吸烟;转置卷积;注意力机制