PGCNet:松病の特定のためのトランスフォーマー-CNNハイブリッドセグメンテーションモデル

科学分野:

• 林業 林業 林業 林業 林業
• リモートセンシング (リモートセンサー)
• コンピュータビジョン コンピュータビジョン

背景:

• 松の枯れ病は,急速な拡散と高い死亡率のために,森林の生態系に対する深刻な脅威です.
• 単一のCNNまたはトランスフォーマーアーキテクチャを使用する現在のUAVベースの識別方法は,グローバルコンテキストとローカル詳細をキャプチャする上で制限があります.
• 既存の機能融合戦略には,効果的な階層的相互作用が欠如しており,意味論的および詳細な情報の統合が不十分であり,高い計算コストにつながる.

研究 の 目的:

• UAVのリモートセンシング画像から松病の正確な識別のための効率的な意味論セグメンテーションモデルを開発する.
• 既存の方法の限界を解決するために,CNNとTransformerの表現を効果的に融合させる.
• リアルタイム林業モニタリングのエッジ展開に適した計算効率の良いモデルを作成します.

主な方法:

• 提案されたPGCNetモデル,コンボリューションニューラルネットワーク (CNN) とトランスフォーマー機能を融合した意味的セグメンテーションネットワーク.
• CSWin トランスフォーマーを,包括的なグローバルな文脈情報のためのバックボーンとして利用しました.
• 漸進的誘導融合モジュール (PGFM) が導入され,横層の特徴融合に空間チャネルを重視した.
• マルチスケールの機能強化と複雑性の削減のために,軽量なコンテキスト認識の残留アトロス空間ピラミッドプーリング (CAR-ASPP) モジュールを組み込みました.

主要な成果:

• PGCNetは,さまざまなメトリックにおける主流のセマンティックセグメンテーションモデルよりも優れたパフォーマンスを示しました.
• このモデルは,複雑な背景や,小規模な病気の標的を特定するための高い精度を示した.
• 優れた計算効率で高い精度を達成し,既存の方法よりも性能が優れています.

結論:

• PGCNetは,UAV画像を使用して,パインワルト病のリアルタイム検出のための実用的で効率的なソリューションを提供しています.
• モデルの計算効率は,林業におけるエッジコンピューティング環境に適しています.
• このアプローチは,病気の特定のための農業遠隔感知におけるより広範な応用の可能性を示しています.