HCDN：利用特征融合与大视觉模型的施工保洁变化检测网络
计算机视觉与模式识别
2024-10-24 v1 图像与视频处理
摘要
工作场所安全日益受到关注，全球数百万工人遭受与工作相关的事故。尽管保洁不善是施工事故的一个重要原因，但针对改善施工现场保洁实践的技术研究仍然严重缺乏。在动态施工现场中识别和定位保洁不善是一项重要任务，可以通过计算机视觉方法加以改进。尽管人工智能和计算机视觉取得了进展，但现有的检测保洁不善状况的方法面临诸多挑战，包括解释性有限、缺乏对保洁不善的定位以及缺乏标注数据集。另一方面，旨在检测变化的环境条件（例如，从良好保洁变为保洁不善）以及变化发生“位置”（例如，导致保洁不善的物体位置）的变化检测，尚未被探索用于保洁管理问题。为应对这些挑战，我们提出了保洁变化检测网络（HCDN），这是一种先进的变化检测神经网络，集成了特征融合模块和大视觉模型，实现了最先进的性能。此外，我们介绍了一种建立专注于施工现场保洁的新型变化检测数据集（名为Housekeeping-CCD）的方法，以及一个保洁分割数据集。我们的贡献包括与现有方法相比显著的性能提升，为加强施工保洁和安全提供了有效工具。为促进进一步发展，我们向全球研究人员分享我们的源代码和训练模型：https://github.com/NUS-DBE/Housekeeping-CD。
引用
@article{arxiv.2410.17513,
title = {HCDN: A Change Detection Network for Construction Housekeeping Using Feature Fusion and Large Vision Models},
author = {Kailai Sun and Zherui Shao and Yang Miang Goh and Jing Tian and Vincent J. L. Gan},
journal= {arXiv preprint arXiv:2410.17513},
year = {2024}
}