基于频率Transformer-CNN耦合的烟雾分割模型研究

作     者：龙云峰 周仿荣 文刚 杨泽文 王开正 Long Yunfeng;Zhou Fangrong;Wen Gang;Yang Zewen;Wang Kaizheng

作者机构：云南电网有限责任公司电力科学研究院云南昆明650217 昆明理工大学电力工程学院云南昆明650200 

基　　金：云南省重大科技专项(202202AD080010)资助项目 

出 版 物：《云南电力技术》 (Yunnan Electric Power)

年 卷 期：2024年第52卷第3期

页      码：55-63页

摘      要：本文深入开展了输电线路附近山火实时监测过程中图像的烟雾分割方法研究,有助于对图像中烟雾体积、扩散方向和源头等准确提取信息,这对制定应急预案具有重要意义。为此,提出了一种名为CFTNet的双分支分割模型。该模型将频率Transformer分支与CNN分支结合起来,优化了全局和局部特征的表示。此外,本文还设计了一个混合自注意力融合模块(HSAM),以高效地融合来自频率Transformer分支和CNN分支的信息。研究表明,该算法的性能优于其他主流分割方法。

主 题 词：烟雾语义分割 双分支编码器 Transformer 卷积神经网络 傅里叶 

学科分类：080802[080802] 0808[工学-自动化类] 08[工学] 

D　O　I：10.3969/j.issn.1006-7345.2024.03.013

馆 藏 号：203128748...