論文の概要: STCNet: Spatio-Temporal Cross Network for Industrial Smoke Detection

• arxiv url: http://arxiv.org/abs/2011.04863v1
• Date: Tue, 10 Nov 2020 02:28:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-27 07:30:47.144180
• Title: STCNet: Spatio-Temporal Cross Network for Industrial Smoke Detection
• Title（参考訳）: STCNet:産業煙検知のための時空間クロスネットワーク
• Authors: Yichao Cao, Qingfei Tang, Xiaobo Lu, Fan Li, and Jinde Cao
• Abstract要約: 本稿では,産業用煙排出ガスを識別する新しい時空間クロスネットワーク(STCNet)を提案する。 提案するSTCNetは, テクスチャの特徴を抽出する空間的特徴と, 煙の動き情報を捕捉する時間的経路を含む。 STCNetは、RISE産業煙検知データセットにおいて、最も優れた競合相手に対して6.2%の精度で明確な改善を実現していることを示す。
• 参考スコア（独自算出の注目度）: 52.648906951532155
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Industrial smoke emissions present a serious threat to natural ecosystems and human health. Prior works have shown that using computer vision techniques to identify smoke is a low cost and convenient method. However, industrial smoke detection is a challenging task because industrial emission particles are often decay rapidly outside the stacks or facilities and steam is very similar to smoke. To overcome these problems, a novel Spatio-Temporal Cross Network (STCNet) is proposed to recognize industrial smoke emissions. The proposed STCNet involves a spatial pathway to extract texture features and a temporal pathway to capture smoke motion information. We assume that spatial and temporal pathway could guide each other. For example, the spatial path can easily recognize the obvious interference such as trees and buildings, and the temporal path can highlight the obscure traces of smoke movement. If the two pathways could guide each other, it will be helpful for the smoke detection performance. In addition, we design an efficient and concise spatio-temporal dual pyramid architecture to ensure better fusion of multi-scale spatiotemporal information. Finally, extensive experiments on public dataset show that our STCNet achieves clear improvements on the challenging RISE industrial smoke detection dataset against the best competitors by 6.2%. The code will be available at: https://github.com/Caoyichao/STCNet.
• Abstract（参考訳）: 産業煙の排出は、自然の生態系と人間の健康に深刻な脅威をもたらす。 以前の研究では、煙を識別するコンピュータビジョン技術が低コストで便利な方法であることが示されている。 しかし、産業用煙検知は、産業用排出粒子が積み上げや設備の外で急速に崩壊し、蒸気が煙と非常によく似ているため、難しい課題である。 これらの問題を克服するため,産業用煙排出ガスを識別する新しい時空間クロスネットワーク(STCNet)が提案されている。 提案するstcnetは,テクスチャ特徴を抽出する空間経路と,煙の運動情報をキャプチャする時間経路を含む。 空間的経路と時間的経路が相互に導出できると仮定する。 例えば、空間経路は木や建物のような明らかな干渉を容易に認識することができ、時間経路は煙の動きのあいまいな痕跡を強調することができる。 この2つの経路が相互に誘導できるなら、煙の検出性能に役立ちます。 さらに,マルチスケールの時空間情報の融合性を向上させるため,効率良く簡潔な時空間双対ピラミッドアーキテクチャを設計した。 最後に、パブリックデータセットに関する広範な実験により、当社のSTCNetは、RISE産業煙検知データセットを最も優れた競合相手に対して6.2%改善したことを示す。 コードはhttps://github.com/caoyichao/stcnet。

関連論文リスト

• Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
  スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。 本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
  論文  参考訳（メタデータ） (2023-08-14T16:48:57Z)
• Multimodal Wildland Fire Smoke Detection [5.15911752972989]
  研究によると、気候変動によって温暖な温度と乾燥状態が生まれ、長い山火事の季節と米国の山火事のリスクが増大する。 スモーキーネット(SmokeyNet)は,森林火災の煙を検出するための時間的情報を用いた深層学習モデルである。 SmokeyNetは、ほんの数分の時間で自動早期通知システムとして機能し、破壊的な山火事との戦いに有用なツールを提供する。
  論文  参考訳（メタデータ） (2022-12-29T01:16:06Z)
• Image-Based Fire Detection in Industrial Environments with YOLOv4 [53.180678723280145]
  この研究は、AIが火災を検出し、認識し、画像ストリーム上のオブジェクト検出を使用して検出時間を短縮する可能性を検討する。 そこで我々は, YOLOv4オブジェクト検出器をベースとした複数のモデルのトレーニングと評価に使用されてきた複数の公開情報源から, 適切なデータを収集, ラベル付けした。
  論文  参考訳（メタデータ） (2022-12-09T11:32:36Z)
• Correlating sparse sensing for large-scale traffic speed estimation: A Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
  本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。 次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2022-10-21T07:25:57Z)
• FIgLib & SmokeyNet: Dataset and Deep Learning Model for Real-Time Wildland Fire Smoke Detection [0.0]
  Fire Ignition Library (FIgLib) は、25,000点近い山火事の煙画像のデータセットである。 SmokeyNetは、リアルタイムの山火事煙検知にカメラ画像からの時間情報を利用する、新しいディープラーニングアーキテクチャである。 FIgLibデータセットでトレーニングすると、SmokeyNetは同等のベースラインを上回り、人間のパフォーマンスに匹敵する。
  論文  参考訳（メタデータ） (2021-12-16T03:49:58Z)
• Interpretable Feature Learning Framework for Smoking Behavior Detection [0.0]
  深層学習VGG-16事前学習ネットワークを用いた喫煙行動検出のための解釈可能な特徴学習フレームワーク また、雑草、シシャ、マリファナなど、他の喫煙可能な薬物も検出できる。
  論文  参考訳（メタデータ） (2021-12-12T11:05:35Z)
• Seasonal Contrast: Unsupervised Pre-Training from Uncurated Remote Sensing Data [64.40187171234838]
  季節的コントラスト(SeCo)は、リモートセンシング表現のドメイン内事前トレーニングにラベルのないデータを活用するための効果的なパイプラインである。 SeCoは、転送学習を容易にし、再リモートセンシングアプリケーションの急速な進歩を可能にするために公開されます。
  論文  参考訳（メタデータ） (2021-03-30T18:26:39Z)
• DS-Net: Dynamic Spatiotemporal Network for Video Salient Object Detection [78.04869214450963]
  時間情報と空間情報のより効果的な融合のための新しい動的時空間ネットワーク(DSNet)を提案する。 提案手法は最先端アルゴリズムよりも優れた性能が得られることを示す。
  論文  参考訳（メタデータ） (2020-12-09T06:42:30Z)
• Project RISE: Recognizing Industrial Smoke Emissions [11.113345640040277]
  産業煙発生の認識のための,最初の大規模ビデオデータセットRISEを紹介する。 われわれのデータセットには、19の異なるビューから12,567のクリップが含まれており、3つの産業施設を監視している。 ディープニューラルネットワークを用いて、強力なパフォーマンスベースラインを確立し、喫煙認識の課題を明らかにする実験を行った。
  論文  参考訳（メタデータ） (2020-05-13T01:51:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。