一个新的功能增强和语义细分方案,用于识别低对比度的海洋石油泄漏事件
Yuqing Chen1, Wei Yu1, Qianchen Zhou1
1Department of Automation, College of Marine Electrical Engineering, Dalian Maritime University, Dalian, China.
Marine pollution bulletin
|December 6, 2023
概括
本研究引入了一个新的语义细分网络 (SSN),用于在海洋环境中准确检测漏油. 增强的网络改善了特征提取和注意力机制,以更好地识别低对比度溢出.
科学领域:
- 环境科学 环境科学
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 石油泄漏对海洋生态系统和人类健康构成重大风险.
- 准确及时检测漏油事件对于有效应对至关重要.
- 现有的语义细分网络 (SSN) 在识别低对比度油污泄漏时面临挑战.
研究的目的:
- 提出一种新的语义细分网络 (SSN),用于增强油污图像处理.
- 提高漏油检测系统的准确性和实时性能.
- 为了应对在海面上识别低对比度油污泄漏的挑战.
主要方法:
- 对用于目标检测的DeeplabV3+架构进行分析.
- 在幽灵模块深度智能可分离卷积 (DWConv) 中整合全维动态卷积 (ODConv).
- 开发ODGhostNetV2作为主要的特征提取模块.
- 在编码器和解码器中实现自适应三重注意力 (ATA) 模块.
- 在ATA模块中集成自适应空间特征融合 (ASFF).
主要成果:
- 拟议的网络在石油泄漏检测方面表现出高准确度.
- 网络在实际应用中实现了良好的实时性能.
- 观察到增强的特征提取和语义特征丰富性.
- 实现了更好的受体场和优化的特征地图融合.
结论:
- 新的SSN,包括ODGhostNetV2和ATA与ASFF,有效地识别低对比度的油污泄漏.
- 拟议的方法为准确和高效的海洋石油泄漏监测提供了一个有希望的解决方案.
- 废弃实验验证了集成网络组件的有效性.
