番外篇 | YOLO-FireAD：通过注意力逆残差模块与双池化模块融合实现高精度火灾检测

前言：Hello大家好，我是小哥谈。本文提出YOLO-FireAD火灾检测模型，其核心的注意力逆残差模块（AIR）和双池化模块（DPDF）有效增强关键特征并保留细节，在显著减少51.8%参数量的同时，将检测精度（mAP50-95）提升了1.8%，大幅改善了小火焰漏检和环境噪声干扰问题。 🌈 

     目录

🚀1.基础概念

🚀2.添加步骤

🚀3.改进方法

💥💥步骤1：新建SPCI.py文件

💥💥步骤2：修改tasks.py文件

💥💥步骤3：创建自定义yaml文件

💥💥步骤4：新建train.py文件