FIRe-GAN：一种基于深度学习的红外-可见光野火图像融合新方法
计算机视觉与模式识别
2021-11-16 v2 机器学习
图像与视频处理
摘要
早期野火检测对于尽可能避免对环境、财产和生命造成损害至关重要。能够同时利用可见光与红外信息的深度学习（DL）模型有望展现出最先进的性能，且误报率低于现有技术。然而，大多数基于 DL 的图像融合方法尚未在火灾图像领域得到评估。此外，据我们所知，尚无公开可用数据集包含可见光-红外融合的火灾图像。由于复杂度较低，基于 DL 的图像融合技术日益受到关注。基于此，我们选取三种最先进的基于 DL 的图像融合技术，并针对火灾图像融合这一特定任务对其进行评估。我们在选定指标上比较了这些方法的性能。最后，我们还提出了对上述方法之一的扩展，称之为 FIRe-GAN，其在选定指标上改进了人工红外图像与融合图像的生成。
引用
@article{arxiv.2101.11745,
title = {FIRe-GAN: A novel Deep Learning-based infrared-visible fusion method for wildfire imagery},
author = {J. F. Ciprián-Sánchez and G. Ochoa-Ruiz and M. Gonzalez-Mendoza and L. Rossi},
journal= {arXiv preprint arXiv:2101.11745},
year = {2021}
}
备注
16 pages, 10 figures. Submitted to the Special Issue (SI) in the Neural Computing and Applications Journal