面向隧道火情处置的烟火异质视觉融合检测

马庆禄,王琛,邱高建,周志超,胡松

Smoke and fire heterogeneous visual fusion detection for tunnel fire disposal

Qinglu MA,Chen WANG,Gaojian QIU,Zhichao ZHOU,Song HU

表 1 现有技术与改进技术对比表

Tab.1 Comparison table of existing technology and improved technology

模块 现有技术 改进 创新点 主干注意力机制 Swin-Transformer Neural Swin Transformer 在W-MSA后嵌入无参数神经元空间抑制模块，通过能量函数计算局部显著性，动态抑制冗余神经元响应，增强弱火焰特征表达，无需额外训练参数 边界框损失函数 WIoU 自适应WIoU 引入动态非单调聚焦机制，使损失函数对中等质量预测框赋予更高梯度权重，自适应调节回归强度，而非依赖固定阈值或静态权重