FF-Mamba-YOLO:在无人机遥感图像中用于森林火灾检测的基于SSM的基准
Binhua Guo1, Dinghui Liu2, Zhou Shen3
1College of Computer and Control Engineering, Northeast Forestry University, Harbin 150040, China.
本研究介绍了FF-Mamba-YOLO,这是一种使用无人机 (UAV) 遥感检测森林火灾的新框架. 该模型在复杂环境中显著提高了检测准确度,这对于早期火灾检测至关重要.
科学领域:
- 遥感 遥感 遥感 遥感
- 人工智能的人工智能
- 林业林业 林业 林业 林业
背景情况:
- 通过无人机准确地检测森林火灾至关重要,但由于多个规模的目标和环境干扰而面临挑战.
- 现有的方法难以处理复杂的无人机遥感图像数据.
研究的目的:
- 开发一个先进的无人机遥感目标检测框架,以改善森林火灾的识别.
- 解决在森林火灾图像中检测多尺度目标和处理复杂环境干扰方面的局限性.
主要方法:
- 引入了FF-Mamba-YOLO,将Mamba和YOLO原则与新型模块 (MFEBlock,MFFBlock,CFEBlock,MGBlock) 集成在一起.
- 利用状态空间模型 (SSM) 来捕获全球依赖性,并为本地处理提供功能增强模块.
- 增强路径聚合特征金字塔网络 (PAFPN) 用于优质的特征融合和DySample用于高效的分辨率增强.
主要成果:
- 在定制的森林火灾数据集上实现了67.4%的mAP@50,36.3%的mAP@50:95和64.8%的精度.
- 与现有的最先进的方法相比,在森林火灾检测任务中表现出优越的性能.
- FF-Mamba-YOLO有效地捕获了全球依赖性,并改善了本地特征处理和适应能力.
结论:
- FF-Mamba-YOLO提供了一种强大而准确的解决方案,用于使用无人机遥感来检测森林火灾.
- 新的架构和模块显著提高了在具有挑战性的条件下检测性能.
- 这个框架显示了实时森林火灾监测和管理的巨大潜力.
更多相关视频
06:16Femtosecond Laser Filaments for Use in Sub-Diffraction-Limited Imaging and Remote Sensing
Published on: April 25, 2019
12:26Integrating Remote Sensing with Species Distribution Models; Mapping Tamarisk Invasions Using the Software for Assisted Habitat Modeling SAHM
Published on: October 11, 2016
相关概念视频
The Sense of Self: Reflected Self-Appraisal and Social Comparison
Introduction to Special Senses
Tactile and Chemical Senses
Gene Regulation in Microbial Communities: Quorum Sensing
Base Excision Repair
The first step of...
Detection of Gross Error: The Q Test
