基于yolov7的火灾检测

 

目录

1.背景资料

2.识别效果展示

3.YOLOV7算法简介

1.背景资料

        防火的重要性主要在于保障人民群众的生命、财产安全。火灾的发生是现实生活中最常见、最突出、危害最大的一种灾难，是直接关系到人民生命安全、财产安全的大问题。电气、吸烟、线路老化等等都可能造成火灾, 人人都应注意防火。

2.识别效果展示

        

备注:由于电脑配置不够，训练集和训练次数都比较少，此处仅训练50次(源码epochs默认300次)，导致效果不是很理想。

3.YOLOV7算法简介

        

整体网络架构
YOLOv7完整网络架构以及各组件的详细解析可以移步至：【YOLOv7_0.1】网络结构与源码解析，这里从另一个角度来了解YOLOov7的网络架构：

上面这张图是根据我目前的理解，对YOLOv7的整体结构进行的拆分，可能会有不正确的地方，欢迎各位小伙伴前来交流~

可以很清楚的看到，YOLOv7大部分继承自YOLOv5，包括整体网络架构、配置文件的设置和训练、推理、验证过程等等，基本上熟悉v5就可以无脑上手v7了；此外，v7也有不少继承自YOLOR，毕竟是同一个作者前后年的工作，包括不同网络的设计、超参数设置以及隐性知识学习的加入；还有就是在正样本匹配时仿照了YOLOX的SimOTA策略。

除了这些在已有YOLO版本中的算法之外，YOLOv7还包括了近几年最新的trick：高效聚合网络（目前论文还未接收）、重参数化卷积、辅助头检测、模型缩放等等，因此学习YOLOv7还是非常有价值的。
 

高效聚合网络

 图a和图b是之前常用的特征提取网络，图c则是YOLOv7主要用到的ELAN网络，虽然有引文，但是并没有任何详细资料来学习，对此，作者是这么说的：

ELAN paper will be released after accept at the latest.

好叭，那就再等等。图d是对ELAN的改进，其等效网络就是下面这个，也就是两个ELAN（红框里）的Concat，作者的解释是：

For E-ELAN architecture, since our edge device do not support group convolution and shuffle operation, we are forced to implement it as an equivalence architecture.

4.总结

• YOLOv7在5FPS到160FPS的范围内，无论是速度或是精度，都超过了目前已知的检测器
• 在V100上进行测试， 精度为56.8%AP的模型可达到30FPS（batch=1）以上的检测速率
• 目前唯一一款在如此高精度下仍能超过30FPS的检测器

5.本人的第一篇博客,写的不好,请见谅。