SegNet：基于分段深度学习卷积神经网络的无人机野火检测方法
计算机视觉与模式识别
2024-05-02 v1 人工智能
图像与视频处理
摘要
本研究旨在增强无人机/无人机图像中处理速度和检测能力，以实现全球野火检测，尽管数据集有限。提出了一种分段神经网络（SegNet）选择方法，旨在减少特征图，从而显著提升时间分辨率和准确率，进而在实时野火检测中大幅提升处理速度和准确率。该论文通过提出一种新颖的图像分类方法，实现了野火检测的处理速度、野火检测的准确率以及早期野火检测的改进能力。通过对卷积神经网络（CNN）进行图像分类，强调减少野火检测中深层学习过程中不相关特征的重要性，尤其是在实时数据流中。面对野火检测中数据流的复杂性，我们的研究强调图像数据，凸显了增强实时处理的紧迫性。我们提出的算法通过分段来对抗特征过载，解决由对象、颜色和纹理等多样特征引起的挑战。值得注意的是，特征图大小与数据集充足性之间的微妙平衡至关重要。几篇研究论文使用较小的图像大小，妥协了特征丰富性，这使得必要的新方法变得迫在眉睫。我们阐明了像素密度在保留关键细节方面发挥着关键作用，尤其是对于早期野火检测。通过仔细选择训练期间的滤波器数量，我们强调了更高像素密度对于正确特征选择的重要性。对该方法进行了严格评估，使用由无人机飞行获得的真实世界数据集，并与最先进的文献进行了比较。
引用
@article{arxiv.2405.00031,
title = {SegNet: A Segmented Deep Learning based Convolutional Neural Network Approach for Drones Wildfire Detection},
author = {Aditya V. Jonnalagadda and Hashim A. Hashim},
journal= {arXiv preprint arXiv:2405.00031},
year = {2024}
}