多阶段组互动和跨域融合网络,用于实时烟雾细分

科学领域:

• 计算机视觉 计算机视觉
• 人工智能的人工智能
• 图像处理 图像处理

背景情况:

• 准确的烟雾细分对于火灾预警系统至关重要,尤其是在移动平台上.
• 现有的高精度模型通常对移动应用程序来说过于计算密集.
• 需要轻量级,高效的烟雾细分解决方案.

研究的目的:

• 开发一个轻量级网络,在移动设备上实时对烟雾图像进行细分.
• 改进烟雾特征的分析,并保护来自小型烟雾物体的信息.
• 为了提高烟雾目标的边界检测.

主要方法:

• 提出了一个具有较低计算复杂性的多阶段组互动和跨域融合网络 (MGICFN).
• 引入了一个跨域交互注意模块 (CIAM),用于合并空间和频域特征.
• 设计了一种多阶段组互动模块 (MGIM),以防止在下采样过程中丢失信息,以及用于边界精细化的边缘增强模块 (EEM).

主要成果:

• 在SFS3K数据集上,MGICFN实现了88.70%的Dise和81.16%的mIoU.
• 该模型在SYN70K测试数据集上获得了87.30%的Dice和78.68%的mIoU.
• MGICFN模型只有0.73M的参数和0.3G的FLOP,表明高效率.

结论:

• 拟议的MGICFN是用于轻量级烟雾图像分割的有效和计算效率高的解决方案.
• 该网络在基准数据集上表现出强的性能,适合实时移动应用程序.
• 通过改进的烟雾检测,MGICFN提供了一种有希望的方法来增强消防预警系统.