一种改进的YOLOv5视频火焰实时检测算法
来源：计算机应用与软件杂志2024年第12期北京时间：
作者：张智, 冯双文
摘要：针对在室内外的火灾预防，目前许多算法对于小目标的火焰检测在精度方面有所欠缺，且不能实时检测，故提出一种改进的YOLOv5算法。该算法加宽head层数并引入selayer层，加快了分类检测的收敛,得到更丰富的采样信息。改进后的算法精度大大提高，经过视频流的优化，火焰能被实时地检测出来。实验数据集上的结果表明，改进的YOLOv5模型精确率达到了80.4%，召回率达到了91.3%，检测速度达到每秒44帧。
关键词：卷积神经网络, 小目标检测, 视频流优化
