FoSp: Focus and Separation Network for Early Smoke Segmentation

要約

早期煙分別 (ESS) により、煙の発生源を正確に特定できるため、火災の迅速な消火が容易になり、大規模なガス漏れが防止されます。
しかし、ESS はスケールが小さく透明な外観のため、従来の物体や通常の煙のセグメンテーションよりも大きな課題があり、誤検出率が高く精度が低い可能性があります。
これらの問題に対処するために、Focus and Separation Network (FoSp) が提案されています。
まず、双方向カスケードを採用したフォーカス モジュールを導入します。これは、低解像度と高解像度の機能を中解像度に向けて誘導し、煙の位置を特定して範囲を特定し、誤検出率を低減します。
次に、煙の画像を純粋な煙の前景と煙のない背景に分離する分離モジュールを提案します。これにより、煙と背景のコントラストが根本的に強調され、セグメンテーションの精度が向上します。
最後に、Domain Fusion モジュールが開発され、2 つのモジュールの特徴的な機能を統合し、再現率と精度のバランスをとって高い F_beta を達成できます。
さらに、ESS の開発を促進するために、既存のデータセットよりも多くの小さく透明な煙を含む SmokeSeg と呼ばれる高品質な実世界データセットを導入します。
実験結果は、私たちのモデルが SYN70K (mIoU: 83.00%)、SMOKE5K (F_beta: 81.6%)、SmokeSeg (F_beta: 72.05%) の 3 つの利用可能なデータセットで最高のパフォーマンスを達成することを示しています。
特に、SmokeSeg での初期の煙セグメンテーションでは、当社の FoSp は SegFormer を 7.71% (F_beta) 上回っています。

要約(オリジナル)

Early smoke segmentation (ESS) enables the accurate identification of smoke sources, facilitating the prompt extinguishing of fires and preventing large-scale gas leaks. But ESS poses greater challenges than conventional object and regular smoke segmentation due to its small scale and transparent appearance, which can result in high miss detection rate and low precision. To address these issues, a Focus and Separation Network (FoSp) is proposed. We first introduce a Focus module employing bidirectional cascade which guides low-resolution and high-resolution features towards mid-resolution to locate and determine the scope of smoke, reducing the miss detection rate. Next, we propose a Separation module that separates smoke images into a pure smoke foreground and a smoke-free background, enhancing the contrast between smoke and background fundamentally, improving segmentation precision. Finally, a Domain Fusion module is developed to integrate the distinctive features of the two modules which can balance recall and precision to achieve high F_beta. Futhermore, to promote the development of ESS, we introduce a high-quality real-world dataset called SmokeSeg, which contains more small and transparent smoke than the existing datasets. Experimental results show that our model achieves the best performance on three available datasets: SYN70K (mIoU: 83.00%), SMOKE5K (F_beta: 81.6%) and SmokeSeg (F_beta: 72.05%). Especially, our FoSp outperforms SegFormer by 7.71% (F_beta) for early smoke segmentation on SmokeSeg.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google