文献

J-GLOBAL ID：202102291020737098   整理番号：21A0445252

畳込みニューラルネットワークに基づく改良型マルチスケール火災検出法【JST・京大機械翻訳】

An Improved Multi-Scale Fire Detection Method based on Convolutional Neural Network

著者 (4件)： Hongyu Huang (School of Information and Software Engineering, University of Electronic Science and Technology of China,Chengdu,China,610054) ,  Ping Kuang (School of Information and Software Engineering, University of Electronic Science and Technology of China,Chengdu,China,610054) ,  Li Fan (School of Information and Software Engineering, University of Electronic Science and Technology of China,Chengdu,China,610054) ,  Huaxin Shi (School of Information and Software Engineering, University of Electronic Science and Technology of China,Chengdu,China,610054)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICCWAMTIP  ページ： 109-112  発行年： 2020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： 火災は,世界における主要な災害であり,火災検出システムは,経済損失と生態学的損害を減らすために最も短い時間で火災を正確に検出しなければならない。伝統的センサは,多くの応用において,まだ広く使われているが,それらは,遠隔高ドーム環境または低火炎火災の初期段階において,よく実行せず,そして,現在,火災を予測するために,画像およびビデオを使用する方法は,ますます一般的になった。本論文は,畳込みニューラルネットワーク(CNN)に基づく改良YOLOv4火災検出法を提案した。著者らは,自己構築高品質火災データセットを通してモデルの精度を改善し,小規模火炎の検出能力を改善するために,変化損失関数を使用し,そして,ソフト-NMS後処理とDIoU-NMS後処理を結合して,冗長Boundingボックスの抑圧効果を改善し,そして,低再現率を減らした。著者らのデータセットに関するモデルの実験結果は,モデルが火災検出において優れた性能を有して,リアルタイムでマルチスケール火災を検出することができることを示した。Copyright 2021 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： 火災 ,  *冗長性 ,  損失関数 ,  後処理 ,  録画装置 ,  生態学 ,  センサ ,  自己集合
準シソーラス用語： マルチスケール ,  実時間 ,  高品質 ,  経済損失 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (5件)： 符号理論  (ND02030R) ,  図形・画像処理一般  (JE04010I) ,  専用演算制御装置  (JC04030Y) ,  パターン認識  (JE07000S) ,  音声処理  (JE05000E)

タイトルに関連する用語 (3件)： 畳込みニューラルネットワーク ,  マルチスケール ,  火災検出