野火烟雾检测系统：模型架构、训练机制与数据集
计算机视觉与模式识别
2025-07-08 v3
摘要
原始 Transformer 关注中高层特征间的语义相关性，不擅长提取烟雾特征，因其忽略了颜色、透明度和纹理等底层特征中的细微变化，而这些对烟雾识别至关重要。为此，我们提出基于 Swin Transformer 的跨对比块嵌入（CCPE）模块。该模块利用垂直与水平方向的多尺度空间对比信息，增强网络对底层细节的辨别力。通过将跨对比与 Transformer 结合，我们兼顾 Transformer 在全局感受野与上下文建模上的优势，同时弥补其捕获极底层细节能力的不足，从而得到更适配烟雾识别任务的强大骨干网络。此外，我们引入可分离负采样机制（SNSM）以解决训练中的监督信号混淆问题，并发布 SKLFS-WildFire Test 数据集——迄今最大的真实世界野火测试集——用于系统评估。在基准数据集 FIgLib 与 SKLFS-WildFire Test 数据集上的大量测试与评估表明，所提方法相较基线检测模型性能显著提升。代码与数据见 github.com/WCUSTC/CCPE。
引用
@article{arxiv.2311.10116,
title = {Wildfire Smoke Detection System: Model Architecture, Training Mechanism, and Dataset},
author = {Chong Wang and Cheng Xu and Adeel Akram and Zhong Wang and Zhilin Shan and Qixing Zhang},
journal= {arXiv preprint arXiv:2311.10116},
year = {2025}
}