文献

J-GLOBAL ID：201802227487481414   整理番号：18A1897888

深い畳込み長回帰ネットワークとオプティカルフロー法に基づく実時間火災検出【JST・京大機械翻訳】

Real-Time Fire Detection Based on Deep Convolutional Long-Recurrent Networks and Optical Flow Method

著者 (5件)： Hu Chao (School of Electrical Engineering, Southwest Jiaotong University, Chendu, 611756, P. R. China) ,  Tang Peng (School of Electrical Engineering, Southwest Jiaotong University, Chendu, 611756, P. R. China) ,  Jin WeiDong (School of Electrical Engineering, Southwest Jiaotong University, Chendu, 611756, P. R. China) ,  He ZhengWei (School of Electrical Engineering, Southwest Jiaotong University, Chendu, 611756, P. R. China) ,  Li Wei (School of Electrical Engineering, Southwest Jiaotong University, Chendu, 611756, P. R. China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： CCC  ページ： 9061-9066  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,新しい火災監視法を提案した。これは,Deep Convolution Long-Recurent Network(DCLRN)のニューラルネットワークを提案し,DCLRNネットワークと,オープン空間環境における火災監視のためのオプティカルフロー法を実時間で組み合わせた。これは,火災の静的および動的特性を利用し,火災RGB画像をリアルタイムにオプティカルフロー画像に変換し,空間学習のために畳込みニューラルネットワークを使用することにより達成され,シーケンス学習のための再帰畳込みアーキテクチャのクラスは,最終的に火災監視の目的を達成する。それは,火災監視の大規模視覚理解タスクに対して,エンドツーエンド訓練可能で,適切である。著者らの新規性は以下の通りである。最初に,著者らの方法はDCLRNを提唱するために著者らの知識に対して最初であり,火災監視のためにDCLRNをオプティカルフロー法と結合した。第二に,この方法は煙と火炎を検出できる能力を持つ。最後に,この方法において,火災は,それが起こるとすぐに検出され,火災の早期検出を達成した。実験により,オプティカルフロー画像と組み合わせたDCLRNは,火災監視ビデオの検出と認識において良好な精度と信頼性を有し,より挑戦的なデータセットに対して良好な性能を与えることを証明した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 画像 ,  *畳込み ,  *オプティカルフロー ,  視覚 ,  *ネットワーク ,  *火災 ,  ニューラルネットワーク ,  録画装置 ,  信頼性 ,  計算機アーキテクチャ ,  煙 ,  学習 ,  エンドツーエンド方式
準シソーラス用語： 畳込みニューラルネットワーク ,  *実時間 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 畳込み ,  オプティカルフロー ,  実時間 ,  火災検出