شناسایی دود در حیات وحش با بهبود الگوریتم YOLOX
سال انتشار: 1402
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 137
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
EMAECONF02_006
تاریخ نمایه سازی: 31 خرداد 1402
چکیده مقاله:
آتش سوزی در جنگل ها یکی از پر هزینه ترین بلایای طبیعی در زمین است. دود به عنوان یک علامت هشدار اولیه برای آتش سوزی در جنگل ها عمل می کند و نشانه ای برای یک تهدید زیست محیطی جدی ایجاد می کند. تصاویر اولیه از دود تنها بخش کوچکی از کل مقدار دود را ثبت می کنند. به دلیل طبیعت نامنظم ، پراکندگی دود و ماهیت پویای محیط در حیات وحش، شناسایی دود با ویژگی های مبتنی بر پیکسل به امری پیچیده تبدیل می شود. ، یک شبکه سبک بهبود یافته که الگوریتم YOLOX را با ستون فقرات مبتنی بر شبکه Ghostnet ترکیب می کند، به عنوان راه حلی بهینه برای مساله شناسایی دود در مراحل اولیه آتش سوزی پیشنهاد شده است. نتایج نشان می دهد که رویکرد پیشنهادی معیار دقت را افزایش می دهد در حالی که به طور همزمان اندازه مدل، تعداد پارامتر ها، و زمان استنتاج را کاهش می دهد.
کلیدواژه ها:
، YOLOX ، ، شناسایی دود ، شناسایی اشیاء ، GhostNet ، شبکه های عصبی کانولوشنال ، الگوریتم های شناسایی یک مرحله ای
نویسندگان
رضا قنبری عدیوی
دانشکده مهندسی برق و کامپیوتر دانشگاه نوشیروانی بابل