烟雾意识全球互动非本地网络用于烟雾语义细分.
概括
一个新的烟雾感知全球互动非本地网络 (SAGINN) 改进了烟雾语义细分 (SSS) 以用于智能火灾检测. 这种网络准确地定位烟雾并精细化边界,即使在具有挑战性的烟雾状物体上也是如此.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 消防安全工程 消防安全工程
背景情况:
- 烟雾语义细分 (SSS) 具有挑战性,因为烟雾的非刚性,半透明和可变性.
- 精确的烟雾检测对于智能火灾检测系统至关重要.
研究的目的:
- 为准确的烟雾语义细分提出一个新的网络,即烟雾意识全球互动非本地网络 (SAGINN).
- 为了提高复杂的现实场景中的烟雾检测的稳定性和准确性.
主要方法:
- 开发了一种SAGINN,将卷积和变压器方法结合起来,用于同时捕获本地和全球信息.
- 引入了一个全球互动非本地 (GINL) 模块,用于多尺度的功能交互和稳定性.
- 设计了一个金字塔高层次语义聚合 (PHSA) 模块,以减轻类似烟雾物体的干扰.
- 提出了一个新的烟雾感知损失 (SAL) 函数,用于差异物体权重.
主要成果:
- 在SYN70K数据集上,SAGINN 实现了 83% 的平均 mIoU.
- 在SMOKE5K.上显示了大约0.5%的准确性改进.
- 实现了更细的烟雾边界和更准确的定位,优于现有方法.
结论:
- 拟议的SAGINN有效地解决了烟雾语义细分的挑战.
- 萨金恩在合成数据和现实数据上表现出强大的概括能力.
- 该网络有助于推进智能火灾检测能力.


