用于野火检测的半监督域自适应
计算机视觉与模式识别
2024-04-03 v1
摘要
近年来，全球范围内野火的频率和强度都在增加，这主要是由于气候变化。在本文中，我们提出了一种新的野火检测协议，利用半监督域自适应进行目标检测，并附带一个适用于学术界和工业界的相应数据集。我们的数据集包含了当前最大的基准野火数据集HPWREN中30倍以上多样性的标记场景，并引入了一种新的野火检测标记策略。受CoordConv启发，我们提出了一个稳健的基线方法——用于半监督域自适应的位置感知目标检测（LADA），该方法利用基于教师-学生的框架，能够提取野火特有的平移方差特征。仅使用1%的目标域标记数据，我们的框架在HPWREN野火数据集上的平均精度均值显著优于仅使用源域数据的基线，提升了3.8%。我们的数据集可在https://github.com/BloomBerry/LADA获取。
引用
@article{arxiv.2404.01842,
title = {Semi-Supervised Domain Adaptation for Wildfire Detection},
author = {JooYoung Jang and Youngseo Cha and Jisu Kim and SooHyung Lee and Geonu Lee and Minkook Cho and Young Hwang and Nojun Kwak},
journal= {arXiv preprint arXiv:2404.01842},
year = {2024}
}
备注
16 pages, 5 figures, 22 tables