基于注意力机制和YOLOX的火焰烟雾检测算法

火灾是严重威胁人类生命安全与造成巨大财产损失的主要灾害之一，对火焰和烟雾进行检测能有效预防火灾发生。针对现有基于机器视觉方法对火焰和烟雾进行检测的方法具有的准确率低、效率低等问题，本文提出一种基于使用多种注意力机制改进的YOLOX 目标检测算法。Swin Transformer 是一种基于多头自注意力与滑动窗口的层级式深度神经络。我们的模型基于注意力机制和YOLOX，通过使用Swin Transformer网络作为目标检测的主干网络，结合空间注意力与通道注意力机制，添加模糊损失，让模型具有感知全局特征能力。实验结果表明，在相同数据集上，基于注意力机制改进的YOLOX 相对未修改的YOLOX目标检测评价指标mAP 提高了5.75%，火焰与烟雾检测的准确度获得了极大提升。