Aug, 2024

优化森林野火监测：利用FLAME航拍视频数据集的AI增强无人机实现轻量高效监控

HTML
PDF
TL;DR本研究关注于无人机在灾害应急响应中的数据实时处理问题，提出了一种轻量且高效的航拍视频理解方法，解决了现有深度学习模型对计算资源限制的忽视。通过政策网络识别视频中的冗余部分并利用帧压缩技术去除多余信息，我们的方法在计算成本减少超过13倍的同时，准确度提升3%。
发现论文，激发创造
  • 利用深度强化学习的自主飞行器实现分布式森林火灾监测

    本文研究了利用自主无人机团队监测野火的方法，通过使用两种深度强化学习方法训练分散控制器，可以有效地追踪野火的扩散，这两种方法在不同数量的飞行器和不同野火形状下都有较好的表现，模拟结果表明，这两种方法优于在线递归视角控制器。

    Oct, 2018

  • 基于深度学习的无人机应急响应航空影像分类

    本篇论文研究了利用无人机进行应急响应和灾害管理的自动化航空场景分类，提出了一个用于紧急响应的航空图像数据库（AIDER），并进行了现有方法的比较分析。通过该分析，开发出了一个轻量级的卷积神经网络（CNN）架构，能够在嵌入式平台上高效运行，在需要的时候能够在灾难性事件中提供即时帮助。

    Jun, 2019

  • 利用无人机捕捉的烟雾模式进行野火火焰时序分析的隐蔽检测

    本文提出了一种利用RGB相机和语义分割等技术实时探测被树木、烟雾、云等自然障碍物掩盖的野火的方法，并将此方法应用于无人机上以实现精准灭火。

    Jun, 2023

  • 无人机和神经网络用于搜救任务

    通过使用人工神经网络和监督学习的数据集，本论文提出了一种在无人机拍摄的航拍图像中检测感兴趣对象（包括汽车、人类和火灾）的方法，并结合经典图像处理技术和预训练的神经网络实现了数据集的辅助标注和数据扩增。最后，评估了不同神经网络的性能。

    Oct, 2023

  • 无人机动态火灾逃生路径规划的最优解

    该研究聚焦于开发专为无人机设计的基于动态火情和烟雾模型的最佳火灾逃生路线规划系统，首先通过无人机与卫星的信息融合准确定位火灾源位置并使用多通道遥感数据评估周边道路条件，接着实时利用无人机视觉技术提取和分段道路网络并根据道路状况给予优先级，然后根据火势强度、风速和方向计算火源新位置并以火源周围生成烟雾以形成可视化效果，最后基于改进的A*算法结合上述因素，无人机能够快速规划避开火源和蔓延区域的逃生路线，从而增强在火灾环境中无人机操作的安全性和效率。

    Dec, 2023

  • 前、主动、和后火灾管理中人工智能驱动的无人机系统的综合调查

    利用人工智能(Artificial Intelligence)和无人机(Unmanned Aerial Vehicles)技术，系统地综述了野火管理领域的最新技术，并重点讨论了无人机在火前、火中和火后阶段对野火的监测、管理和预测的作用。

    Jan, 2024

  • 无人机网络实时野火检测的硬件加速

    本研究旨在开发一种实时图像分类和火灾分割模型，通过对Jetson Nano P3450的硬件加速以及TensorRT的影响进行综合研究，以在无人机(UAV)的计算和能量约束下提高火灾分类的准确性和速度。结果显示与无硬件优化模型相比，分类速度提高了13％，同时损失和准确性在原始值的1.225％范围内。

    Jan, 2024

  • 热图像校准和修正的非配对循环一致对抗网络

    本文介绍了一种提高当前航拍野火数据集质量的方法，旨在适应相机技术的进步，并提出了一种基于CycleGAN的流程以及一种新颖的融合方法，通过将配对的RGB图像作为属性调节器集成到两个方向的生成器中，从而提高了生成图像的准确性。

    Jan, 2024

  • SegNet：一种基于分段的深度学习卷积神经网络方法用于无人机野火检测

    通过提出适用于无人机/无人机图像的分割神经网络（SegNet）选择方法，该研究旨在缩短特征图以显着提高实时野火检测的处理速度和准确性，从而为全球野火检测增加了实时检测能力、野火检测准确性以及早期野火检测的能力。

    Feb, 2024

  • 基于大规模教师模型训练的无人机实时火灾检测与分割

    本研究解决了无人机在偏远地区火灾烟雾检测中受限于计算能力的问题。通过利用零-shot基础模型监督，仅需边界框标签训练小型专业分割模型，实现实时火灾烟雾检测的有效性。研究表明，该方法在多样化火灾数据集上实现了63.3%的mIoU，显示出在实际森林火灾事件中的可靠性。

    Aug, 2024