一个轻量级的跨层烟雾感知网络
Jingjing Wang1, Xinman Zhang1, Cong Zhang2
1School of Automation Science and Engineering, Xi'an Jiaotong University, Xi'an 710049, China.
Sensors (Basel, Switzerland)
|July 13, 2024
概括
一个新的轻量级网络,CLSANet,精确地提取烟雾特征用于火灾前检测. 这种烟雾感知网络通过加强信息交换和保存关键细节来提高准确性.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 烟雾检测对于火灾前的识别至关重要.
- 现有的方法与可变的烟雾形态作斗争,限制了实际应用.
研究的目的:
- 提出一个轻量级的横层烟雾感知网络 (CLSANet),用于精确的烟雾特征提取.
- 为了提高烟雾检测中的信息交换和特征提取精度.
主要方法:
- 开发了一种轻量级的CLSANet (2.38M),具有三个跨层连接策略.
- 引入了一个空间感知模块 (SPM) 用于浅到深层信息传输.
- 设计了一个纹理联合模块 (TFM),使用完全连接的注意力 (FCA) 和空间纹理注意力 (STA) 来修复空间信息.
- 实现了一个功能自协作头 (FSCHead) 来解本地化和分类任务.
主要成果:
- 在USTC-RF数据库中,CLSANet的精度达到94.4%,在XJTU-RS数据库中达到73.3%.
- 该网络有效地消除了冗余,同时保留了有意义的烟雾特征.
- 广泛的实验证实了CLSANet在烟雾检测方面的竞争性表现.
结论:
- 对于精确的烟雾特征提取,CLSANet提供了一种有效而简洁的解决方案.
- 拟议的跨层策略显著提高了烟雾检测的准确性.
- 对于实际的火灾前检测应用来说,CLSANet具有很大的潜力.
