SmokeNet：基于多尺度卷积与多视图注意力机制的高效烟雾分割
计算机视觉与模式识别
2025-02-19 v1
摘要
对烟雾 plume 的高效分割对于环境监测和工业安全至关重要，有助于检测和缓解类似砂石场爆破和野火等活动产生的有害排放。准确的分割有助于进行环境影响评估、及时干预并遵循安全规范。然而，现有模型常面临高计算需求和对多样化烟雾外观适应性有限的问题，限制了其在资源受限环境中的部署。为此，我们提出 SmokeNet，一种新型深度学习架构，利用多尺度卷积和多视图线性注意力机制结合特定层损失函数，处理烟雾 plume 的复杂动态，确保在不同环境下实现高效且准确的分割。此外，我们使用四个数据集评估了 SmokeNet 的性能和灵活性，包括我们公开的砂石场烟雾数据集。结果表明，SmokeNet 在计算效率和分割精度之间取得良好平衡，适用于环境监测和安全管理系统的部署。通过贡献新型数据集并提供高效分割模型，SmokeNet 在多样化且具挑战性的环境中推进了烟雾分割能力。
引用
@article{arxiv.2502.12258,
title = {SmokeNet: Efficient Smoke Segmentation Leveraging Multiscale Convolutions and Multiview Attention Mechanisms},
author = {Xuesong Liu and Emmett J. Ientilucci},
journal= {arXiv preprint arXiv:2502.12258},
year = {2025}
}