論文の概要: KutralNet: A Portable Deep Learning Model for Fire Recognition

• arxiv url: http://arxiv.org/abs/2008.06866v1
• Date: Sun, 16 Aug 2020 09:35:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-28 09:15:43.758169
• Title: KutralNet: A Portable Deep Learning Model for Fire Recognition
• Title（参考訳）: KutralNet: 火災認識のためのポータブルディープラーニングモデル
• Authors: Angel Ayala, Bruno Fernandes, Francisco Cruz, David Mac\^edo, Adriano L. I. Oliveira, and Cleber Zanchettin
• Abstract要約: 火災認識のための浮動小数点演算(浮動小数点演算)の少ない新しいディープラーニングアーキテクチャを提案する。 また, 火災認識のための携帯型手法と, モデル計算コスト削減のための近代技術の利用を提案する。 私たちのモデルの1つは、FireNetよりも71%少ないパラメータを示しながら、競争精度とAUROCのパフォーマンスを示しています。
• 参考スコア（独自算出の注目度）: 4.886882441164088
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Most of the automatic fire alarm systems detect the fire presence through sensors like thermal, smoke, or flame. One of the new approaches to the problem is the use of images to perform the detection. The image approach is promising since it does not need specific sensors and can be easily embedded in different devices. However, besides the high performance, the computational cost of the used deep learning methods is a challenge to their deployment in portable devices. In this work, we propose a new deep learning architecture that requires fewer floating-point operations (flops) for fire recognition. Additionally, we propose a portable approach for fire recognition and the use of modern techniques such as inverted residual block, convolutions like depth-wise, and octave, to reduce the model's computational cost. The experiments show that our model keeps high accuracy while substantially reducing the number of parameters and flops. One of our models presents 71\% fewer parameters than FireNet, while still presenting competitive accuracy and AUROC performance. The proposed methods are evaluated on FireNet and FiSmo datasets. The obtained results are promising for the implementation of the model in a mobile device, considering the reduced number of flops and parameters acquired.
• Abstract（参考訳）: ほとんどの自動火災警報システムは、熱、煙、炎などのセンサーを通して火災を検知する。 この問題に対する新しいアプローチの1つは、画像を使用して検出を行うことである。 イメージアプローチは、特定のセンサーを必要とせず、異なるデバイスに組み込むことができるため、有望である。 しかし、高パフォーマンスに加えて、使用するディープラーニング手法の計算コストは、ポータブルデバイスへの展開にとって課題である。 本研究では,火災認識に浮動小数点演算(flops)を少なくする新しいディープラーニングアーキテクチャを提案する。 さらに,モデルの計算コストを低減するため,可搬的な火災認識手法を提案し,逆残差ブロックや奥行き畳み込み,オクターブといった現代的な手法を応用した。 実験の結果,本モデルではパラメータ数とフロップ数を著しく削減しながら精度が向上した。 私たちのモデルの1つは、FireNetよりも71パーセント少ないパラメータを示しながら、競争精度とAUROCのパフォーマンスを示しています。 提案手法はFireNetとFiSmoのデータセットを用いて評価する。 得られた結果は,フロップ数および取得パラメータの低減を考慮して,モバイル機器におけるモデルの実装に有望である。

関連論文リスト

• Zero-Shot Detection of AI-Generated Images [54.01282123570917]
  AI生成画像を検出するゼロショットエントロピー検出器(ZED)を提案する。 機械によるテキスト検出の最近の研究に触発された私たちのアイデアは、分析対象の画像が実際の画像のモデルと比較してどれだけ驚くかを測定することである。 ZEDは精度の点でSoTAよりも平均3%以上改善されている。
  論文  参考訳（メタデータ） (2024-09-24T08:46:13Z)
• Learning to Make Keypoints Sub-Pixel Accurate [80.55676599677824]
  本研究は,2次元局所特徴の検出におけるサブピクセル精度の課題に対処する。 本稿では,検出された特徴に対するオフセットベクトルを学習することにより,サブピクセル精度で検出器を拡張できる新しいネットワークを提案する。
  論文  参考訳（メタデータ） (2024-07-16T12:39:56Z)
• SegNet: A Segmented Deep Learning based Convolutional Neural Network Approach for Drones Wildfire Detection [2.07180164747172]
  本研究は,無人航空機(UAV)/ドローンによる地球規模の山火事検出における処理時間と検出能力の向上という課題に対処するものである。 我々は,リアルタイムの山火事検出における処理速度と精度を大幅に向上させるため,特徴マップの削減に重点を置いている。
  論文  参考訳（メタデータ） (2024-02-29T15:23:12Z)
• SpirDet: Towards Efficient, Accurate and Lightweight Infrared Small Target Detector [60.42293239557962]
  我々は、赤外線小ターゲットの効率的な検出のための新しいアプローチであるSpirDetを提案する。 新しいデュアルブランチスパースデコーダを用いて特徴写像を復元する。 大規模な実験により、提案されたSpirDetは最先端モデルよりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2024-02-08T05:06:14Z)
• Fire Detection From Image and Video Using YOLOv5 [0.0]
  改良されたYOLOv5火災検出深層学習アルゴリズムを提案する。 Fire-YOLOv5は最先端のオブジェクト検出ネットワークと比較して優れた結果が得られる。 入力画像サイズが416×416のとき、平均検出時間は1フレームあたり0.12秒である。
  論文  参考訳（メタデータ） (2023-10-10T06:37:03Z)
• An FPGA smart camera implementation of segmentation models for drone wildfire imagery [0.9837190842240352]
  森林火災は、様々な社会的・環境レベルへの影響から、世界有数の自然災害の1つとなっている。 ファイアファイアファイアの最も有望なアプローチの1つは、リモートで検出、監視、延焼評価を行うために可視・赤外線カメラを備えたドローンを使用することである。 本研究では,低消費電力フィールドプログラマブルゲートアレイ(FPGA)とバイナライズニューラルネットワーク(BNN)に基づくスマートカメラが,エッジ上でのオンボードコンピューティングの実装において,コスト効率のよい代替手段であることを示す。
  論文  参考訳（メタデータ） (2023-09-04T02:30:14Z)
• Obscured Wildfire Flame Detection By Temporal Analysis of Smoke Patterns Captured by Unmanned Aerial Systems [0.799536002595393]
  本研究は,RGBカメラのみを搭載したドローンを用いて,隠された山火事をリアルタイムに検出する課題について論じる。 本稿では,ビデオシーケンス中の煙のパターンの時間的解析に基づくセマンティックセグメンテーションを用いた新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-06-30T19:45:43Z)
• Incremental Online Learning Algorithms Comparison for Gesture and Visual Smart Sensors [68.8204255655161]
  本稿では,加速度センサデータに基づくジェスチャー認識と画像分類の2つの実例として,最先端の4つのアルゴリズムを比較した。 以上の結果から,これらのシステムの信頼性と小型メモリMCUへのデプロイの可能性が確認された。
  論文  参考訳（メタデータ） (2022-09-01T17:05:20Z)
• Illumination and Temperature-Aware Multispectral Networks for Edge-Computing-Enabled Pedestrian Detection [10.454696553567809]
  本研究は,高精度かつ効率的な歩行者検出のための軽量照明・温度対応マルチスペクトルネットワーク(IT-MN)を提案する。 提案アルゴリズムは、車載カメラで収集した公開データセットを用いて、選択した最先端アルゴリズムと比較して評価する。 提案アルゴリズムは,GPU上の画像ペアあたり14.19%,0.03秒の低ミス率と推論時間を実現する。
  論文  参考訳（メタデータ） (2021-12-09T17:27:23Z)
• FastFlowNet: A Lightweight Network for Fast Optical Flow Estimation [81.76975488010213]
  ディセンス光学フロー推定は、多くのロボットビジョンタスクで重要な役割を果たしています。 現在のネットワークはしばしば多くのパラメータを占有し、計算コストがかかる。 提案したFastFlowNetは、周知の粗大なやり方で、以下のイノベーションで機能する。
  論文  参考訳（メタデータ） (2021-03-08T03:09:37Z)
• Probing Model Signal-Awareness via Prediction-Preserving Input Minimization [67.62847721118142]
  モデルが正しい脆弱性信号を捕捉して予測する能力を評価する。 SAR(Signal-Aware Recall)と呼ばれる新しい指標を用いて,モデルの信号認識を計測する。 その結果,90年代以降のリコールから60年代以降のリコールは,新たな指標で大幅に減少した。
  論文  参考訳（メタデータ） (2020-11-25T20:05:23Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。