使用卷积神经网络和注意力机制的高效森林烟雾检测方法
Quy-Quyen Hoang1, Quy-Lam Hoang1, Hoon Oh1
1Department of Electrical, Electronic and Computer Engineering, University of Ulsan, Ulsan 44610, Republic of Korea.
Journal of imaging
|February 25, 2025
概括
本研究介绍了一种优化的卷积神经网络 (CNN),用于森林火灾检测,改善烟雾的识别. 这种新型模型提高了准确性,同时降低了对有效的早期火灾检测的计算需求.
科学领域:
- 计算机科学 计算机科学
- 环境科学 环境科学
- 人工智能的人工智能
背景情况:
- 卷积神经网络 (CNN) 在森林火灾检测中很普遍,但缺乏针对烟雾特征的优化.
- 现有的模型可能无法有效捕捉烟雾的细微差别,影响早期检测的准确性.
研究的目的:
- 提出一种新的基于CNN的森林烟雾检测模型,具有优化的骨干架构.
- 为了提高检测准确度和减少用于早期森林火灾检测的计算负载.
主要方法:
- 开发了一个CNN模型,采用了新的骨干架构,利用不同尺寸的内核进行多视图烟雾检测.
- 实现了坐标内核的深度智能卷积,以更好地提取垂直烟雾特征并降低计算成本.
- 集成了一个注意力机制,使模型能够优先考虑相关信息.
主要成果:
- 拟议的模型实现了52.9平均精度 (AP) 的检测精度,超过了现有流行的模型.
- 与其他模型相比,模型参数和千兆浮点运算 (GFLOPs) 显著减少.
- 成功增强了各种大小的烟雾的检测,并改进了特征提取.
结论:
- 新的CNN骨干架构在森林火灾烟雾检测方面提供了卓越的性能.
- 该模型提供了一个计算效率高的解决方案,用于早期森林火灾检测,平衡准确性和资源利用.
- 这种方法代表了应用人工智能的重大进步,用于环境监测和防火.
