論文の概要: SmokeNet: Efficient Smoke Segmentation Leveraging Multiscale Convolutions and Multiview Attention Mechanisms
- arxiv url: http://arxiv.org/abs/2502.12258v1
- Date: Mon, 17 Feb 2025 19:01:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-19 14:07:18.553059
- Title: SmokeNet: Efficient Smoke Segmentation Leveraging Multiscale Convolutions and Multiview Attention Mechanisms
- Title(参考訳): SmokeNet: マルチスケール畳み込みとマルチビューアテンションメカニズムを活用した効率的なスモークセグメンテーション
- Authors: Xuesong Liu, Emmett J. Ientilucci,
- Abstract要約: SmokeNetは、多様なスモークプラムの複雑なダイナミクスを扱う、新しいディープラーニングアーキテクチャである。
SmokeNetの性能と汎用性を4つのデータセットを用いて評価した。
- 参考スコア(独自算出の注目度): 1.0988222071035196
- License:
- Abstract: Efficient segmentation of smoke plumes is crucial for environmental monitoring and industrial safety, enabling the detection and mitigation of harmful emissions from activities like quarry blasts and wildfires. Accurate segmentation facilitates environmental impact assessments, timely interventions, and compliance with safety standards. However, existing models often face high computational demands and limited adaptability to diverse smoke appearances, restricting their deployment in resource-constrained environments. To address these issues, we introduce SmokeNet, a novel deep learning architecture that leverages multiscale convolutions and multiview linear attention mechanisms combined with layer-specific loss functions to handle the complex dynamics of diverse smoke plumes, ensuring efficient and accurate segmentation across varied environments. Additionally, we evaluate SmokeNet's performance and versatility using four datasets, including our quarry blast smoke dataset made available to the community. The results demonstrate that SmokeNet maintains a favorable balance between computational efficiency and segmentation accuracy, making it suitable for deployment in environmental monitoring and safety management systems. By contributing a new dataset and offering an efficient segmentation model, SmokeNet advances smoke segmentation capabilities in diverse and challenging environments.
- Abstract(参考訳): 煙柱の効率的なセグメンテーションは、環境モニタリングと産業安全のために重要であり、採石場や山火事などの活動から有害な排出物の検出と緩和を可能にしている。
正確なセグメンテーションは環境影響評価、タイムリーな介入、安全基準の遵守を促進する。
しかし、既存のモデルは、しばしば高い計算要求と多様な煙の出現への適応性に制限され、資源に制約のある環境への展開を制限する。
これらの問題に対処するために,多層的畳み込みと多視点線形注意機構を併用した新しいディープラーニングアーキテクチャであるSmokeNetを導入し,多様な煙柱の複雑なダイナミックスに対処し,様々な環境における効率的かつ正確なセグメンテーションを実現する。
さらに,4つのデータセットを用いて,SmokeNetの性能と汎用性を評価した。
その結果,SmokeNetは計算効率とセグメンテーション精度のバランスを良好に保ち,環境モニタリングや安全管理システムへの展開に適していることがわかった。
新しいデータセットを提供し、効率的なセグメンテーションモデルを提供することで、SmokeNetは多様な、挑戦的な環境でスモークセグメンテーション機能を前進させる。
関連論文リスト
- FlexiCrackNet: A Flexible Pipeline for Enhanced Crack Segmentation with General Features Transfered from SAM [24.99233476254989]
FlexiCrackNetは、従来のディープラーニングパラダイムを大規模な事前学習モデルの強みとシームレスに統合する、新しいパイプラインである。
実験の結果、FlexiCrackNetは最先端の手法より優れ、ゼロショットの一般化、計算効率、セグメンテーションの堅牢性に優れていた。
これらの進歩は、自動クラック検出と包括的な構造的健康モニタリングシステムにおける現実的な応用のためのFlexiCrackNetの可能性を強調している。
論文 参考訳(メタデータ) (2025-01-31T02:37:09Z) - Neural Conformal Control for Time Series Forecasting [54.96087475179419]
非定常環境における適応性を高める時系列のニューラルネットワーク共形予測手法を提案する。
提案手法は,ニューラルネットワークエンコーダを用いた補助的マルチビューデータを活用することにより,望ましい対象範囲を達成するために設計されたニューラルネットワークコントローラとして機能する。
予測間隔の整合性に優れたキャリブレーションを組み合わさった手法は, 適用範囲と確率的精度の大幅な向上を実証的に示す。
論文 参考訳(メタデータ) (2024-12-24T03:56:25Z) - Robust Burned Area Delineation through Multitask Learning [1.1470070927586018]
森林火災はその頻度と重大さの増大のために重大な課題を提起してきた。
バイナリセグメンテーションモデルに依存する従来のアプローチは、堅牢で正確な結果を達成するのに苦労することが多い。
本稿では,土地被覆分類を補助課題として組み込んだマルチタスク学習フレームワークを提案する。
論文 参考訳(メタデータ) (2023-09-15T12:49:17Z) - 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) - A Comparative Study of Machine Learning Algorithms for Anomaly Detection
in Industrial Environments: Performance and Environmental Impact [62.997667081978825]
本研究は,環境の持続可能性を考慮した高性能機械学習モデルの要求に応えることを目的としている。
Decision TreesやRandom Forestsといった従来の機械学習アルゴリズムは、堅牢な効率性とパフォーマンスを示している。
しかし, 資源消費の累積増加にもかかわらず, 最適化された構成で優れた結果が得られた。
論文 参考訳(メタデータ) (2023-07-01T15:18:00Z) - C(NN)FD -- a deep learning framework for turbomachinery CFD analysis [0.0]
本稿では, ガスタービンの軸圧縮機全体の性能に及ぼす製造・施工の変動の影響をリアルタイムに予測するための新しいディープラーニングフレームワークの開発について述べる。
関連した効率の散乱はCO2排出量を大幅に増加させ、工業的および環境的関連性が高い。
提案したC(NN)FDアーキテクチャはCFDベンチマークに匹敵するリアルタイムの精度を実現する。
論文 参考訳(メタデータ) (2023-06-09T13:35:04Z) - Fuzzy Attention Neural Network to Tackle Discontinuity in Airway
Segmentation [67.19443246236048]
気道セグメンテーションは肺疾患の検査、診断、予後に重要である。
いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。
本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
論文 参考訳(メタデータ) (2022-09-05T16:38:13Z) - Mining Reaction and Diffusion Dynamics in Social Activities [4.288475943477759]
毎週のウェブ検索量などのオンラインユーザ活動データの定量化は、重要なソーシャルセンサーとして機能する。
このようなデータから潜伏相互作用を発見し,将来活動の正確な予測を行う上で重要な課題である。
F FluxCubeは、オンラインユーザ活動の大規模なコレクションを予測する効果的なマイニング手法である。
論文 参考訳(メタデータ) (2022-08-07T15:42:57Z) - STCNet: Spatio-Temporal Cross Network for Industrial Smoke Detection [52.648906951532155]
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。
論文 参考訳(メタデータ) (2020-11-10T02:28:47Z) - Information Obfuscation of Graph Neural Networks [96.8421624921384]
本稿では,グラフ構造化データを用いた学習において,情報難読化による機密属性保護の問題について検討する。
本稿では,全変動量とワッサーシュタイン距離を交互に学習することで,事前決定された機密属性を局所的にフィルタリングするフレームワークを提案する。
論文 参考訳(メタデータ) (2020-09-28T17:55:04Z) - Selective Convolutional Network: An Efficient Object Detector with
Ignoring Background [28.591619763438054]
Selective Convolutional Network (SCN) と呼ばれる効率的なオブジェクト検出器を導入し、意味のある情報を含む場所のみを選択的に計算する。
そこで本稿では,ネットワークの次を導くためのオーバーヘッドを無視できるような,精巧な構造を設計する。
論文 参考訳(メタデータ) (2020-02-04T10:07:01Z)
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。