重參數(shù)化YOLOv5s的森林火災(zāi)檢測(cè)算法

摘要： 目前森林火災(zāi)多發(fā)，建立日常監(jiān)測(cè)尤為重要，但是邊緣智能檢測(cè)設(shè)備算力和內(nèi)存較低，限制了檢測(cè)模型的推理和部署。針對(duì)以上問題，提出一種改進(jìn)的重參數(shù)化YOLOv5s的森林火災(zāi)檢測(cè)算法，結(jié)合重參數(shù)化、通道重排和深度可分離卷積(Depthwise Separable Convolution, DSC)等輕量化思想分別設(shè)計(jì)新的骨干和頸部網(wǎng)絡(luò)，增強(qiáng)特征提取能力，提高模型檢測(cè)精度，使參數(shù)量和推理權(quán)...