26年WP通信工程基于改进YOLOv11的森林火灾检测15.37-AI16.11.doc

下载本文档

阅读 0
格式 doc
大小 10.96 MB
约56页
2026-06-26
收藏
评论
点赞(0)
海报
举报

26年WP通信工程基于改进YOLOv11的森林火灾检测15.37-AI16.11.doc_第1页

1/56页

26年WP通信工程基于改进YOLOv11的森林火灾检测15.37-AI16.11.doc_第2页

2/56页

26年WP通信工程基于改进YOLOv11的森林火灾检测15.37-AI16.11.doc_第3页

3/56页

26年WP通信工程基于改进YOLOv11的森林火灾检测15.37-AI16.11.doc_第4页

4/56页

26年WP通信工程基于改进YOLOv11的森林火灾检测15.37-AI16.11.doc_第5页

5/56页

26年WP通信工程基于改进YOLOv11的森林火灾检测15.37-AI16.11.doc_第6页

6/56页

26年WP通信工程基于改进YOLOv11的森林火灾检测15.37-AI16.11.doc_第7页

7/56页

26年WP通信工程基于改进YOLOv11的森林火灾检测15.37-AI16.11.doc_第8页

8/56页

26年WP通信工程基于改进YOLOv11的森林火灾检测15.37-AI16.11.doc_第9页

9/56页

26年WP通信工程基于改进YOLOv11的森林火灾检测15.37-AI16.11.doc_第10页

10/56页

在线预览已结束，请下载后查看完整版，加入VIP享文档下载特权

/56

文本预览下载提示常见问题

哈尔滨理工大学学士学位论文基于改进 YOLOv11 的森林火灾检测摘要森林火灾属于破坏性很强的生态灾害，对资源以及环境构成严重威胁，传统监测手段存在着效率低下、实时性不高的缺点，依靠深度学习的技术实现目标检测的方法给精准防控带来了新的途径。本文以 YOLOv11n 为基线模型，在骨干网络中加入了 CBAM 混合注意力，抑制了复杂背景的干扰，用 C3k2MBV2轻量级模块调节检测精度与计算速度，在此基础上加上了 P2 小目标检测头来增强对远程火灾的识别，重新设置了损失函数从而加强模型的训练效果。系统能对单张或者批量的图片进行检测、视频进行分析、摄像头实时...

1、当您付费下载文档后，您只拥有了使用权限，并不意味着购买了版权，文档只能用于自身使用.。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。
3、如文档内容存在违规，或者侵犯商业秘密、侵犯著作权等，请点击“违规举报”。

碎片内容