[发明专利]用于火灾的目标识别方法、装置、设备及介质

权利要求书

1.一种用于火灾的目标识别方法，其特征在于，包括：

采集多个包含烟雾或火焰的火灾图像，并对所述火灾图像中的烟雾或火焰进行标注，生成训练样本；

建立基于YOLO网络结构的初始模型，配置参数；所述初始模型包括Foucs块、由卷积层、批量标准化层、激活层组成的卷积块、CPS瓶颈层以及空间金字塔池化层；

在初始模型中，在卷积后设置压缩和激励网络模块，对卷积后的图像在通道维度上进行权重分配；

在所述卷积块后设置卷积块注意力模块，使得通过卷积块后的图像先后通过通道注意力模块和空间注意力模块，以在通道维度和空间维度上再次分别进行权重分配；

采用所述训练样本对所述初始模型进行训练，获得用于识别烟雾或火焰的目标模型；采集实时图像，采用所述目标模型对所述实时图像进行目标识别，获得目标结果。

2.根据权利要求1所述的目标识别方法，其特征在于，所述在卷积后设置压缩和激励网络模块，对卷积后的图像在通道维度上进行权重分配，包括：

对卷积后的图像进行压缩操作，获得通道级的全局特征图像；

对所述全局特征图像进行激励操作，以生成各个通道的对应关系及权重；

根据各个通道的对应关系及权重对所述卷积后的图像进行像素加权。

3.根据权利要求2所述的目标识别方法，其特征在于，所述对卷积后的图像进行压缩操作，获得通道级的全局特征图像，包括：

获取一通道上的空间特征，将所述空间特征编码为全局特征；

基于所述全局特征对所述卷积后的图像进行全局平局池化，获得通道级的全局特征图像。

4.根据权利要求2所述的目标识别方法，其特征在于，对所述全局特征图像进行激励操作，以生成各个通道的对应关系及权重，包括：

采用第一全连接层对所述全局特征图像进行由初始维度的降维，并通过具有第一缩放参数的激活函数处理，获得第一处理图像；

利用第二全连接层对所述第一处理图像进行升维至初始维度，并通过具有第二缩放函数的激活函数处理，获得各个通道的对应关系及权重。

5.根据权利要求1所述的目标识别方法，其特征在于，所述通过卷积块后的图像先后通过通道注意力模块和空间注意力模块，以在通道维度和空间维度上再次分别进行权重分配，包括：

采用通道注意力模块对通过卷积块后的图像在空间维度上进行压缩后，利用平均池化和最大池化映射，求和合并，产生通道注意力图；

基于所述通道注意力图对通过卷积块后在通道维度上进行权重分配，获取中间图像；采用空间注意力模块对所述中间图像在通道维度上进行压缩后，利用平均池化和最大池化合并，产生空间注意力图；

基于所述空间注意力图在空间维度上对所述中间图像进行权重分配。

6.根据权利要求1所述的目标识别方法，其特征在于，所述对所述火灾图像中的烟雾或火焰进行依序标注，生成训练样本，包括：

根据烟雾或火焰的位置和大小对各个火灾图像进行排序；

逐个采用YOLO的文本格式标签对各个火灾图像中的烟雾或火焰进行标注并依序排列，以生成训练样本。

7.根据权利要求1所述的目标识别方法，其特征在于：

所述目标模型包括训练后参数固定的Foucs块、卷积块、卷积块注意力模块、CPS瓶颈层、空间金字塔池化层以及压缩和激励网络模块。