人工智能利用无人机和纹理分析增强离岸流检测

研究人员开发了一种使用无人机（UAV）监测离岸流的新方法，该方法将小波纹理特征与深度学习相结合。该方法增强了对细微离岸流指标的检测，例如海浪中的间隙和沉积物模式，这些指标通常会被标准的RGB图像错过。研究评估了将这些特征整合到卷积神经网络中的各种策略，发现具有注意力机制的双流架构在分类方面达到了95%以上的准确率，而通道替换方法将YOLOv8对象检测性能提高到94% mAP@50。可解释的人工智能分析证实，模型关注与离岸流相关的视觉线索，这表明其在改善海滩安全决策支持工具方面具有潜力。 AI

影响 这项研究可能带来更有效、更具可解释性的人工智能驱动的沿海安全和环境监测工具。

排序理由 学术论文，详细介绍了人工智能和信号处理在环境监测方面的新应用。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• Attention Mechanism
• Convolutional architectures for virtual screening
• convolutional neural network
• discrete wavelet transform
• explainable AI
• RGB color model
• Rip currents: 1. Theoretical investigations
• unmanned aerial vehicle
• YOLOv8
• Yonatan Ben Avraham

• 论文
• 产品
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →