SWVR: un algoritmo ligero de aprendizaje profundo para la detección y el reconocimiento de incendios forestales

La detección oportuna y eficaz de los incendios forestales es crucial para la protección ambiental y socioeconómica.

Artículo completo

SWVR: un algoritmo ligero de aprendizaje profundo para la detección y el reconocimiento de incendios forestales

Los modelos de aprendizaje profundo existentes luchan por equilibrar la precisión y un diseño liviano. Presentamos SWVR, un nuevo algoritmo ligero de aprendizaje profundo. Utilizando el transformador de visión de re-parametrización (RepViT) y el módulo de atención simple sin parámetros (SimAM), SWVR extrae eficientemente características relacionadas con incendios con una complejidad computacional reducida. Cuenta con una red de fusión bidireccional que combina enfoques de arriba hacia abajo y de abajo hacia arriba, incorpora Ghost Shuffle Convolution (GSConv) liviano y utiliza la función de pérdida Wise Intersection over Union (WIoU). SWVR logra una precisión del 79,6 % en la detección de incendios forestales, lo que supone una mejora del 5,9 % con respecto a la línea de base, y funciona a 42,7 fotogramas por segundo. También reduce los parámetros del modelo en un 11,8% y el coste computacional en un 36,5%. Nuestros resultados demuestran la eficacia de SWVR para lograr una alta precisión con menos recursos computacionales, lo que ofrece un valor práctico para la detección de incendios forestales.

Fuente: Jin L, Yu Y, Zhou J, Bai D, Lin H, Zhou H. SWVR: un algoritmo ligero de aprendizaje profundo para la detección y el reconocimiento de incendios forestales. Bosques. 2024. https://doi.org/10.3390/f15010204