BriefGPT - AI 论文速递
·
基于颜色 - 热感人工智能的建筑外围检验的单类异常检测
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文介绍了一种新的方法，利用纹理和运动信息作为监督信号，将 RGB 训练的水域分割网络适用于航空热成像。该方法使得自主航空机器人能够在夜间执行导航、测量和跟踪任务。作者整理了第一个临近海域热成像航空数据集，并证明了该方法的优势。代码和数据集可在指定链接上获取。
🎯
关键要点
- 提出了一种新的方法，利用纹理和运动信息作为监督信号。
- 该方法将 RGB 训练的水域分割网络适用于航空热成像。
- 自主航空机器人能够在夜间执行导航、测量和跟踪任务。
- 克服了稀少的临海热成像数据对传统方法的限制。
- 整理了第一个临近海域热成像航空数据集。
- 证明了该方法优于全监督分割模型。
- 在 Nvidia Jetson 嵌入式计算平台上展示了实时功能。
- 代码和数据集将在指定链接上提供。
➡️
