STCNet：用于工业烟雾检测的时空交叉网络
计算机视觉与模式识别
2020-11-11 v1
摘要
工业烟雾排放对自然生态系统和人类健康构成严重威胁。已有工作表明，利用计算机视觉技术识别烟雾是一种低成本且便捷的方法。然而，工业烟雾检测是一项具有挑战性的任务，因为工业排放颗粒常在烟囱或设施外迅速消散，且水蒸气与烟雾极为相似。为克服这些问题，提出一种新颖的时空交叉网络（STCNet）来识别工业烟雾排放。所提 STCNet 包含一条提取纹理特征的空间通路和一条捕捉烟雾运动信息的时间通路。我们假定空间与时间通路可相互引导：例如，空间通路可轻易识别树木、建筑等明显干扰，而时间通路可突出烟雾运动的隐蔽轨迹。若两条通路能相互引导，将有助于提升烟雾检测性能。此外，我们设计了一种高效简洁的时空双金字塔架构，以更好地融合多尺度时空信息。最后，在公开数据集上的大量实验表明，我们的 STCNet 在极具挑战性的 RISE 工业烟雾检测数据集上比最佳竞争对手明显提升 6.2%。代码将发布于：https://github.com/Caoyichao/STCNet。
引用
@article{arxiv.2011.04863,
title = {STCNet: Spatio-Temporal Cross Network for Industrial Smoke Detection},
author = {Yichao Cao and Qingfei Tang and Xiaobo Lu and Fan Li and Jinde Cao},
journal= {arXiv preprint arXiv:2011.04863},
year = {2020}
}