文献
J-GLOBAL ID:202102274431871175   整理番号:21A2570207

実時間野火煙検出のための軽量学生LSTM【JST・京大機械翻訳】

Light-Weight Student LSTM for Real-Time Wildfire Smoke Detection
著者 (4件):
資料名:
巻: 20  号: 19  ページ: 5508  発行年: 2020年 
JST資料番号: U7015A  ISSN: 1424-8220  CODEN: SENSC9  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: スイス (CHE)  言語: 英語 (EN)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
山火事検出の必要性が増加するにつれて,低コストカメラと深層学習技術を組み合わせた山火事煙検出に関する研究が増加している。Cameraベースの山火事煙検出は安価であり,迅速な検出を可能にし,肉眼で煙をチェックできる。しかし,監視システムは視覚特性のみに依存するので,煙として霧と雲を誤って検出する。本研究では,You-Only-Look-Oness検出器と長い短期メモリ(LSTM)分類器の組合せを適用して,山火事煙の空間と時間特性を反映して,山火事煙検出の性能を改善した。しかし,リアルタイム煙検出のための重いLSTMモデルを軽くする必要があるので,本論文では,深いLSTMに教師付きフレームワークを適用するための新しい方法を提案した。この方法を通して,浅い学生LSTMを設計して,元の深いLSTM性能を維持しながら,LSTMモデルを構成する層とセルの数を減らした。実験結果が示すように,著者らの提案方法は,山火ベンチマークデータセットに関するいくつかの最先端の方法を用いて,深いLSTMと同じ検出性能を維持しながら,教師LSTMよりも,パラメータ数および高速処理時間の8.4倍の減少を達成した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (2件):
分類
JSTが定めた文献の分類名称とコードです
通信網  ,  火災 
引用文献 (48件):
  • Congressional Research Service. Wildfire Statistics. Available online: https://fas.org/sgp/crs/misc/IF10244.pdf (accessed on 26 August 2020). NSW Rural Fire Service. Bush Fire Bulletin, Volume 42, No. 1. 2020. Available online: https://www.rfs.nsw.gov.au/__data/assets/pdf_file/0007/174823/Bush-Fire-Bulletin-Vol-42-No1.pdf (accessed on 26 August 2020).
  • Yu, L.; Wang, N.; Meng, X. Real-time forest fire detection with wireless sensor networks. In Proceedings of the International Conference on Wireless Communications, Networking and Mobile Computing, Wuhan, China, 26 September 2005; pp. 1214-1217.
  • Zhang, S.; Gao, D.; Lin, H.; Sun, Q. Wildfire Detection Using Sound Spectrum Analysis Based on the Internet of Things. Sensors 2019, 19, 5093.
  • Li, Y.; Wang, Z.; Song, Y. Wireless Sensor Network Design for Wildfire Monitoring. In Proceedings of the 6th World Congress on Intelligent Control and Automation, Dalian, China, 21-23 June 2006; pp. 109-113.
  • Blalack, T.; Ellis, D.; Long, M.; Brown, C.; Kemp, R.; Khan, M. Low-Power Distributed Sensor Network for Wildfire Detection. In Proceedings of the SoutheastCon, Huntsville, AL, USA, 11-14 April 2019; pp. 1-3.
もっと見る

前のページに戻る