FoSp：面向早期烟雾分割的聚焦与分离网络
计算机视觉与模式识别
2023-06-08 v1
摘要
早期烟雾分割 (ESS) 能够准确识别烟雾源，便于及时灭火并防止大规模气体泄漏。但 ESS 比常规目标与常规烟雾分割更具挑战性，因其尺度小且呈透明外观，可能导致高漏检率与低精度。为解决这些问题，提出一种聚焦与分离网络 (FoSp)。我们首先引入采用双向级联的聚焦模块，引导低分辨率与高分辨率特征向中分辨率靠拢，以定位并确定烟雾范围，降低漏检率。接着，提出分离模块，将烟雾图像分离为纯烟雾前景与无烟雾背景，从根本上增强烟雾与背景的对比度，提升分割精度。最后，设计域融合模块整合两模块的差异特征，平衡召回率与精度以取得高 F_beta。此外，为推动 ESS 发展，我们引入名为 SmokeSeg 的高质量真实世界数据集，其包含比现有数据集更多的小尺度与透明烟雾。实验结果表明，我们的模型在三个可用数据集上取得最佳性能：SYN70K (mIoU: 83.00%)、SMOKE5K (F_beta: 81.6%) 与 SmokeSeg (F_beta: 72.05%)。尤其在 SmokeSeg 上，我们的 FoSp 在早期烟雾分割方面以 7.71% (F_beta) 优于 SegFormer。
引用
@article{arxiv.2306.04474,
title = {FoSp: Focus and Separation Network for Early Smoke Segmentation},
author = {Lujian Yao and Haitao Zhao and Jingchao Peng and Zhongze Wang and Kaijie Zhao},
journal= {arXiv preprint arXiv:2306.04474},
year = {2023}
}