Abstrakt

Einsatz kombinierter Methoden zur Verbesserung der Echtzeit-Waldbranderkennung

Shixiao Wu und Chengcheng Guo

Diese Studie untersuchte das Potenzial der Verwendung der Hauptkomponentenanalyse (PCA) zur Verbesserung der Echtzeit-Waldbranderkennung mit gängigen Algorithmen wie YOLOv3 und SSD. Vor dem YOLOv3/SSD-Training verwendeten wir PCA, um Merkmale zu extrahieren. Die Ergebnisse zeigten, dass PCA mit YOLOv3 die mittlere durchschnittliche Präzision (mAP) und die Erkennungsgenauigkeit um jeweils 3,3 % und 16,3 % erhöhte. PCA mit SSD erhöhte mAP und Erkennungsgenauigkeit um jeweils 1 % und 2,1 %. Diese Ergebnisse legen nahe, dass PCA ein robustes Werkzeug zur Verbesserung verschiedener objektiver Erkennungsnetzwerke ist. Dieses Dokument ist sehr praktisch für die Waldsicherheit und die Echtzeit-Waldüberwachung.