深度学习能否从移动设备拍摄的图像触发警报？
计算机视觉与模式识别
2025-01-08 v1 人工智能
摘要
我们的研究提出了一种综合方法，利用移动设备摄像图像数据实现实时空气质量评估与建议。我们开发了回归基准的卷积神经网络模型，专为空气质量预测而设计，充分利用输出参数之间的内在关系。结果显示，针对 2 与 5 个污染物的均方误差分别为 0.0077 与 0.0112，优于现有模型。此外，我们旨在验证常规做法，即通过增加视角引入训练数据的变体。我们最重要的贡献之一是实验结果表明，原始数据集与增强后数据集之间的准确度差异最小。最后，我们实现了一个实时、用户友好的仪表盘，动态显示从移动设备拍摄图像中推导出的空气质量指数(AQI)与污染物浓度。用户的健康状况被纳入考量，以建议当前空气质量下的位置是否适合。总体而言，本研究验证了数据增强技术、基于 CNN 的回归建模用于空气质量预测，以及通过移动技术实现用户导向的空气质量监测。该系统为个体在环境健康和福祉方面做出明智决策提供了实用解决方案。
引用
@article{arxiv.2501.03499,
title = {Can Deep Learning Trigger Alerts from Mobile-Captured Images?},
author = {Pritisha Sarkar and Duranta Durbaar Vishal Saha and Mousumi Saha},
journal= {arXiv preprint arXiv:2501.03499},
year = {2025}
}