[论文解读] Light-YOLOv5: A Lightweight Algorithm for Improved YOLOv5 in Complex Fire Scenarios

Hao Xu, Bo Li+1 more|arXiv (Cornell University)|Aug 29, 2022

Fire Detection and Safety Systems被引用 8

一句话总结

Light-YOLOv5 提出了一种轻量化、高精度的基于 YOLOv5 的火灾检测模型，专为复杂火灾场景优化。通过将 C3 模块替换为可分离视觉变换器（SepViT），集成轻量级 BiFPN，应用全局注意力机制（GAM），并使用 Mish 激活函数与 SIoU 损失，其 mAP 提升 3.3%，参数量减少 27.1%，FLOPs 降低 19.1%，实现实时推理速度 91.1 FPS。

ABSTRACT

Fire-detection technology is of great importance for successful fire-prevention measures. Image-based fire detection is one effective method. At present, object-detection algorithms are deficient in performing detection speed and accuracy tasks when they are applied in complex fire scenarios. In this study, a lightweight fire-detection algorithm, Light-YOLOv5 (You Only Look Once version five), is presented. First, a separable vision transformer (SepViT) block is used to replace several C3 modules in the final layer of a backbone network to enhance both the contact of the backbone network to global in-formation and the extraction of flame and smoke features; second, a light bidirectional feature pyramid network (Light-BiFPN) is designed to lighten the model while improving the feature extraction and balancing speed and accuracy features during a fire-detection procedure; third, a global attention mechanism (GAM) is fused into the network to cause the model to focus more on the global dimensional features and further improve the detection accuracy of the model; and finally, the Mish activation function and SIoU loss are utilized to simultaneously increase the convergence speed and enhance the accuracy. The experimental results show that compared to the original algorithm, the mean average accuracy (mAP) of Light-YOLOv5 increases by 3.3%, the number of parameters decreases by 27.1%, and the floating point operations (FLOPs) decrease by 19.1%. The detection speed reaches 91.1 FPS, which can detect targets in complex fire scenarios in real time.

研究动机与目标

• 为解决 YOLOv5 在复杂火灾场景中因精度低和计算成本高而导致火焰与烟雾检测受限的问题。
• 通过增强主干网络中的全局上下文感知能力，提升火焰与烟雾的特征提取能力。
• 通过轻量化、高效的特征融合机制，平衡检测速度与精度。
• 通过先进的激活函数与损失函数，加快模型收敛速度并提升检测精度。
• 实现实时、轻量化且高精度的火灾检测，适用于资源受限环境的部署。

提出的方法

• 将 YOLOv5 主干网络中的多个 C3 模块替换为可分离视觉变换器（SepViT）模块，以提升全局特征表示能力，捕捉火焰与烟雾模式中的长距离依赖关系。
• 设计轻量级双向特征金字塔网络（Light-BiFPN），在降低模型复杂度的同时提升特征融合效率。
• 集成全局注意力机制（GAM），突出重要全局特征，提升检测精度。
• 采用 Mish 激活函数，加速训练过程中的收敛速度并增强模型学习能力。
• 应用 SIoU 损失函数，提升在复杂火灾场景中的定位精度与鲁棒性。
• 对整体网络架构进行优化，在不牺牲检测性能的前提下减少参数量与 FLOPs。

实验结果

研究问题

• RQ1 可分离视觉变换器模块是否能提升 YOLOv5 中的全局特征表示能力，从而更优地检测复杂火灾场景中的火焰与烟雾？
• RQ2 轻量化特征金字塔网络在保持高推理速度的同时，如何增强特征融合能力？
• RQ3 集成全局注意力机制在火灾检测任务中能在多大程度上提升检测精度？
• RQ4 结合 Mish 激活函数与 SIoU 损失是否能带来更快的收敛速度与更高的 mAP？
• RQ5 整体模型是否能在显著降低 FLOPs 与参数量的同时，保持高精度并实现 ≥90 FPS 的实时推理？

主要发现

• 与原始 YOLOv5 相比，Light-YOLOv5 的平均平均精度（mAP）提升了 3.3%。
• 与基线 YOLOv5 相比，该模型的参数量减少了 27.1%。
• 浮点运算量（FLOPs）降低了 19.1%，表明计算效率得到提升。
• 该模型实现了 91.1 FPS 的实时推理速度，适用于动态火灾检测应用。
• SepViT、Light-BiFPN、GAM、Mish 与 SIoU 的集成，构建了一个在复杂火灾场景中鲁棒且高效的检测系统。
• 所提出的架构在显著减小模型尺寸与计算成本的同时保持了高精度，适用于边缘设备部署。