利用 EfficientNet-b4 编码优化对鹬翼的检测：一种深度学习方法
计算机视觉与模式识别
2024-11-12 v1 人工智能
机器学习
图像与视频处理
摘要
在追求环境可持续发展的过程中，航空业面临着最小化生态足迹的挑战。其中一个关键解决方案是鹬翼规避，针对由飞机排放产生的线性冰晶云。这些鹬翼通过捕获大气热量，加剧了全球变暖，因此需要精确的分割和全面的鹬翼图像分析来衡量其环境影响。然而，这一分割任务复杂，由于鹬翼在不同大气条件下的外观变化以及潜在的预测建模中的错位问题。本文提出了一种创新的深度学习方法，利用高效网络 b4 编码器进行特征提取，无缝集成错位校正、软标签和伪标签技术，以提高鹬翼检测在卫星图像中的准确性和效率。 proposed 方法旨在重新定义鹬翼图像分析，为可持续航空业的目标提供一种稳健的框架，以实现对卫星图像中鹬翼检测和分析的精确检测，从而有助于减轻航空业的环境影响。
关键词
引用
@article{arxiv.2404.14441,
title = {Optimizing Contrail Detection: A Deep Learning Approach with EfficientNet-b4 Encoding},
author = {Qunwei Lin and Qian Leng and Zhicheng Ding and Chao Yan and Xiaonan Xu},
journal= {arXiv preprint arXiv:2404.14441},
year = {2024}
}