TileNet 架构实现无人机平屋顶自主检测

9月12日周六 00:11论文AI 评分 60/100arXiv cs.AI待复核

AI 聚合

本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。

TileNet 是一种基于分块的 CNN-SVM 架构，旨在满足嵌入式无人机硬件的计算与功耗限制。该框架结合双高度飞行策略，利用实时图像自主检测平屋顶缺陷。模型包含五个卷积层和四个密集层，最终以线性 SVM 作为分类头。在包含数万张图像的数据集上，该模型平均测试准确率达到 94.4%，优于 GoogLeNet 和 AlexNet。经 DJI Matrice 350 RTK 无人机实测，该系统能支持快速、可重复且安全的屋顶巡检。

为什么值得看

针对边缘设备优化的轻量化模型，在特定工业场景下实现了高精度实时检测。

Google安全数据集

信源1 家

[1]arXiv cs.AI一手信源TileNet: Tile-Based CNN-SVM Architecture for Autonomous Unmanned Aerial Systems Inspection of Flat Roofs

关键事实

模型包含五个卷积层和四个密集层，最终层为线性 SVM。[1]
在测试集上平均准确率为 94.4%，优于 GoogLeNet 的 89.2% 和 AlexNet 的 79.8%。[1]
采用双高度飞行策略以兼顾细小缺陷与大型结构问题的识别。[1]
使用 DJI Matrice 350 RTK 无人机进行了实地图像采集与评估。[1]

TileNet 架构实现无人机平屋顶自主检测

为什么值得看

信源1 家

关键事实

相关 · 论文

生数科技发布Motus2世界模型，支持机器人自进化

SQD系统优化次二次注意力推理

混合LSTM-XGBoost框架用于多周期股票收益预测

CMA-OT 利用分层专家监督优化舞曲生成