孙家豪，李丹

（四川大学锦城学院，四川成都，611371）

0 引言

据应急管理部消防救援局统计2020年全国共接报火灾25.2万起，死亡1183人，受伤775人，直接财产损失40.09亿元[1]。8.12天津滨海新区爆炸造成165人死亡，近两年四川凉山州曾发生两次森林大火分别造成19人和31人遇难。这些生命的逝去让我们痛惜，同时让我们思考有没有更好的方法预防火灾的发生，我们需要通过高科技的手段科学有效的预防火灾。随着近几年机器学习和计算机硬件技术的飞速发展，在火灾产生初期，火灾不易被发现从而造成更大的生命财产损失的情况可以得到极为有效的改善。我们开发的YOLOX火灾报警系统可以部署在各种环境下，如森林、草原、楼道等等，在火灾发生初期迅速地提醒人们，避免更大的损失。本文通过介绍YOLOX的算法结构、YOLOX的改进、识别结果的正确率，以及最终在实际环境中的火灾识别表现，说明YOLOX的火灾报警系统。

1 研究背景

■1.1 YOLOX简介

YOLO(You Only Look Once)系列是目标检测算法的重要组成，其中的YOLO V3[2]在现实生活中的应用是最为广泛的，最新版本YOLOX在2021年被旷视科技公司提出。相比于以前的YOLO系列，YOLOX的检测速度更快，检测精确度更高，端对端部署更加灵活。

■1.2 YOLOX网络结构

这里我们主要介绍YOLOX-Darknet53网络结构图。下面的图1是YOLOX-Darknet53网络结构图。我们将其分解为四个板块，分别是输入端、Backbone骨 干 网 络、Neck、Prediction。

图1 YOLOX-Darknet53网络结构图

(1)输入端：YOLOX采用了以前YOLO版本使用的Mosaic、Mixup两种数据增强技术。

(2)Backbone骨干网络：采用了Darket-53网络。它一共有53层卷积网络，最后一层为全连接层，其实是通过1x1卷积实现的。……