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】