在新的深度學習模型下火災探測設施可以更好地工作

快速準確的火災探測對人類社會和地球生態的可持續發展具有重要意義。具有與火相似特征的物體的存在增加了基于視覺的火檢測的難度。通過挖掘更深的火災視覺特征來提高火災探測的準確性始終是一項挑戰。

最近，中國科學院聲學研究所(IACAS)的研究人員提出了一種有效的深度學習模型，用于快速，準確地基于視覺的火災探測。該模型基于多尺度特征提取，隱式深度監督和渠道關注機制。

研究人員利用實時采集的圖像作為模型的輸入并對圖像進行歸一化。

在低級特征提取階段，他們引入了多尺度特征提取機制以豐富空間細節信息，從而增強了火像物體的辨別能力。然后，采用隱式的深度監督機制來增強信息流之間的交互。

最后，研究人員使用通道注意機制選擇性地強調了有助于完成任務的功能，并有效地抑制了圖像噪聲的干擾。

該實驗結果表明，火災探測這種高效的深度學習模型的精確度達到95.3%，但該模型大小只有4.80 MB，因此很容易在資源受限的設備來實現。

該模型在NVIDIA GTX 2080TI上每秒可處理63.5幀，這意味著它能夠實時檢測到火災。與目前的基于深度學習的方法相比，該模型不僅在檢測精度，模型大小和檢測速度上都有了很大的提高。

該研究為實現快速準確的火災探測提供了可行的解決方案，并使基于視覺的火災探測成為可能。