山体滑坡实时检测对于减少人员伤亡和财产损失至关重要。为了解决传统图像识别方法在滑坡监测中的时间滞后和误判问题,构建了一个多域数据集,以增强对山体滑坡和沙尘暴视觉特征的理解,并提出一种剪枝和增强的山体滑坡自动检测模型。该...山体滑坡实时检测对于减少人员伤亡和财产损失至关重要。为了解决传统图像识别方法在滑坡监测中的时间滞后和误判问题,构建了一个多域数据集,以增强对山体滑坡和沙尘暴视觉特征的理解,并提出一种剪枝和增强的山体滑坡自动检测模型。该模型基于改进的VanillaNet网络,结合动态多头注意力检测模块,显著提高了山体滑坡场景的视觉感知能力。此外,采用基于性能感知近似的全局通道剪枝(performance-aware approximation of global channel pruning,PAGCP)算法对该模型进行了压缩,以适应嵌入式部署。实验结果表明,所提出的模型在达到实时检测的前提下,显著提高了山体滑坡场景检测的准确性,对山体滑坡自然灾害监测与预警具有参考价值。展开更多
文摘山体滑坡实时检测对于减少人员伤亡和财产损失至关重要。为了解决传统图像识别方法在滑坡监测中的时间滞后和误判问题,构建了一个多域数据集,以增强对山体滑坡和沙尘暴视觉特征的理解,并提出一种剪枝和增强的山体滑坡自动检测模型。该模型基于改进的VanillaNet网络,结合动态多头注意力检测模块,显著提高了山体滑坡场景的视觉感知能力。此外,采用基于性能感知近似的全局通道剪枝(performance-aware approximation of global channel pruning,PAGCP)算法对该模型进行了压缩,以适应嵌入式部署。实验结果表明,所提出的模型在达到实时检测的前提下,显著提高了山体滑坡场景检测的准确性,对山体滑坡自然灾害监测与预警具有参考价值。
