利用大教师模型训练的实时分割进行无人机野火检测
计算机视觉与模式识别
2024-12-19 v3 人工智能
摘要
早期发现野火对于防止大规模火灾造成广泛的环境、结构和社交损害至关重要。无人飞行器（UAV）能够有效覆盖大面积偏远区域，快速部署且所需基础设施极少，配备小型相机和计算机即可实现自主实时检测。然而，在偏远地区，由于缺乏高带宽移动网络，检测方法仅限于机载计算。为了实现精确的基于相机的定位，对检测到的烟雾进行分割至关重要，但基于深度学习的野火烟雾分割训练数据有限。本研究展示了如何仅使用边界框标签训练小型专用分割模型，利用零样本基础模型监督。该方法的优势在于仅需相对容易获取的边界框标签，且仅需为较小的学生网络进行训练。所提方法在人工标注的多样化野火数据集上取得了63.3%的mIoU。所用模型可在搭载NVIDIA Jetson Orin NX计算机的无人机上以约25 fps实时运行，并可靠地识别烟雾，这已在真实的森林燃烧事件中得到验证。代码获取地址：https://gitlab.com/fgi_nls/public/wildfire-real-time-segmentation
引用
@article{arxiv.2408.10843,
title = {Detecting Wildfires on UAVs with Real-time Segmentation Trained by Larger Teacher Models},
author = {Julius Pesonen and Teemu Hakala and Väinö Karjalainen and Niko Koivumäki and Lauri Markelin and Anna-Maria Raita-Hakola and Juha Suomalainen and Ilkka Pölönen and Eija Honkavaara},
journal= {arXiv preprint arXiv:2408.10843},
year = {2024}
}