基于改进YOLOv8的隧道火灾检测研究
来源：计算机测量与控制杂志2024年第5期北京时间：
作者：闵浩,屈八一,谢子豪
单位：长安大学 信息工程学院
摘要：隧道内火灾检测存在检测困难和难以直接部署到资源有限的嵌入式设备进行实时检测的问题,提出一种基于改进YOLOv8的隧道火灾检测算法；首先引入极化注意力保持高分辨率信息来抑制冗余特征,同时增强全局信息的捕捉；其次引入了一种新的局部卷积PConv来实现低延迟和高吞吐量的模型；最后使用WIoU函数优化网络的边界框损失,使网络能够快速收敛。实验结果表明,该网络在所使用隧道火灾数据集上的平均精度mAP提升了1.3个百分点,同时轻量化后模型参数减少了了29.7个百分点,向前推理时间降低了44个百分点；算法能够平衡精度和轻量化的需求,可以满足隧道场景下的实时检测。
关键词：YOLOv8;局部卷积;WIoU;极化注意力;轻量化;
