論文の概要: Machine Learning Based Early Fire Detection System using a Low-Cost Drone

• arxiv url: http://arxiv.org/abs/2101.09362v1
• Date: Thu, 21 Jan 2021 16:18:42 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-21 07:50:22.011547
• Title: Machine Learning Based Early Fire Detection System using a Low-Cost Drone
• Title（参考訳）: 低コストドローンを用いた機械学習による早期火災検知システム
• Authors: Ay\c{s}eg\"ul Yan{\i}k, Mehmet Serdar G\"uzel, Mertkan Yan{\i}k, Erkan Bostanc{\i}
• Abstract要約: 本稿では,森林火災の早期検出を低コストかつ高精度に行う機械学習システムを提案する。 システム内のマイクロコントローラは、ディープラーニングメソッドによるトレーニングによってプログラムされている。 無人航空機は、火災検知の最も初期の兆候である煙を認識する能力が与えられた。
• 参考スコア（独自算出の注目度）: 0.5161531917413706
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper proposes a new machine learning based system for forest fire earlier detection in a low-cost and accurate manner. Accordingly, it is aimed to bring a new and definite perspective to visual detection in forest fires. A drone is constructed for this purpose. The microcontroller in the system has been programmed by training with deep learning methods, and the unmanned aerial vehicle has been given the ability to recognize the smoke, the earliest sign of fire detection. The common problem in the prevalent algorithms used in fire detection is the high false alarm and overlook rates. Confirming the result obtained from the visualization with an additional supervision stage will increase the reliability of the system as well as guarantee the accuracy of the result. Due to the mobile vision ability of the unmanned aerial vehicle, the data can be controlled from any point of view clearly and continuously. System performance are validated by conducting experiments in both simulation and physical environments.
• Abstract（参考訳）: 本稿では,森林火災の早期検出を低コストかつ高精度に行う機械学習システムを提案する。 そのため、森林火災の視覚検出に新しく明確な視点をもたらすことを目的としている。 この目的のためにドローンが構築されます。 システム内のマイクロコントローラは深層学習の訓練によってプログラムされ、無人航空機は火災検知の最も初期の兆候である煙を認識する能力が与えられた。 火災検出に使用される一般的なアルゴリズムの一般的な問題は、高い誤報と過失率である。 可視化から得られた結果を監視段階の追加で確認することにより、システムの信頼性を高め、結果の正確性を保証する。 無人航空機の移動ビジョン能力により、データは任意の視点から明確に連続的に制御できる。 システム性能はシミュレーションと物理環境の両方で実験を行うことで検証される。

関連論文リスト

• ReDFeat: Recoupling Detection and Description for Multimodal Feature Learning [51.07496081296863]
  我々は、相互重み付け戦略による多モーダル特徴学習の検出と記述の独立した制約を再定義する。 本研究では,大きな受容場を有し,学習可能な非最大抑制層を備える検出器を提案する。 我々は,特徴マッチングと画像登録タスクにおける特徴量を評価するために,クロス可視,赤外線,近赤外,合成開口レーダ画像ペアを含むベンチマークを構築した。
  論文  参考訳（メタデータ） (2022-05-16T04:24:22Z)
• Model2Detector:Widening the Information Bottleneck for Out-of-Distribution Detection using a Handful of Gradient Steps [12.263417500077383]
  アウト・オブ・ディストリビューション検出は、長いバニラニューラルネットワークを持つ重要な機能である。 推論時間外分布検出の最近の進歩は、これらの問題のいくつかを緩和するのに役立つ。 提案手法は,一般的な画像データセットにおける検出精度において,常に最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-02-22T23:03:40Z)
• Learning to Detect People on the Fly: A Bio-inspired Event-based Visual System for Drones [6.505702431335025]
  本研究では,SNN(Spike-Timeing-Dependent Plasticity, STDP)学習を応用した生体情報処理型スパイクニューラルネットワーク(SNN)が,網膜に触発されたイベントベースのカメラデータを用いて,飛行中の歩行者を検出することを連続的に学習可能であることを示す。
  論文  参考訳（メタデータ） (2022-02-16T12:36:31Z)
• The State of Aerial Surveillance: A Survey [62.198765910573556]
  本稿では、コンピュータビジョンとパターン認識の観点から、人間中心の空中監視タスクの概要を概観する。 主な対象は、単体または複数の被験者が検出され、特定され、追跡され、再同定され、その振る舞いが分析される人間である。
  論文  参考訳（メタデータ） (2022-01-09T20:13:27Z)
• Rethinking Drone-Based Search and Rescue with Aerial Person Detection [79.76669658740902]
  航空ドローンの映像の視覚検査は、現在土地捜索救助(SAR)活動に不可欠な部分である。 本稿では,この空中人物検出(APD)タスクを自動化するための新しいディープラーニングアルゴリズムを提案する。 本稿では,Aerial Inspection RetinaNet (AIR) アルゴリズムについて述べる。
  論文  参考訳（メタデータ） (2021-11-17T21:48:31Z)
• Detecting and Identifying Optical Signal Attacks on Autonomous Driving Systems [25.32946739108013]
  攻撃対象のセンサーを検知・識別する枠組みを提案する。 具体的には、3つのセンサーからなるシステムに対する攻撃を検知する新しい手法を最初に開発する。 本研究では,実データと最先端機械学習モデルを用いて,攻撃検出手法の評価を行う。
  論文  参考訳（メタデータ） (2021-10-20T12:21:04Z)
• DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly detection in air transportation [68.8204255655161]
  識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。 通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。 その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
  論文  参考訳（メタデータ） (2021-09-08T14:07:55Z)
• Provident Vehicle Detection at Night for Advanced Driver Assistance Systems [3.7468898363447654]
  本報告では, 夜間に来るべき車両を, 発生した光成果物に基づいて検出するシステムについて述べる。 本研究では,提案システムが提供する時間的メリットを,実稼働型コンピュータビジョンシステムと比較して定量化する。
  論文  参考訳（メタデータ） (2021-07-23T15:27:17Z)
• Anomaly Detection in Cybersecurity: Unsupervised, Graph-Based and Supervised Learning Methods in Adversarial Environments [63.942632088208505]
  現在の運用環境に固有ののは、敵対的機械学習の実践である。 本研究では,教師なし学習とグラフに基づく異常検出の可能性を検討する。 我々は,教師付きモデルの訓練時に,現実的な対人訓練機構を組み込んで,対人環境における強力な分類性能を実現する。
  論文  参考訳（メタデータ） (2021-05-14T10:05:10Z)
• Unmanned Aerial Vehicle Visual Detection and Tracking using Deep Neural Networks: A Performance Benchmark [22.21369001886134]
  無人航空機(UAV)は、悪用と悪用の両方により、航空安全に大きなリスクをもたらす可能性がある。 uav検出の一般的な技術は可視帯および熱赤外イメージング、電波、レーダーである。 画像に基づく物体検出のためのディープニューラルネットワーク(DNN)の最近の進歩は、この検出と追跡タスクに視覚情報を使用する可能性を開く。
  論文  参考訳（メタデータ） (2021-03-25T15:51:53Z)
• No Need to Know Physics: Resilience of Process-based Model-free Anomaly Detection for Industrial Control Systems [97.77117980707081]
  本稿では,システムの物理的特性に違反する逆スプーフィング信号を生成するための新しい枠組みを提案する。 トップセキュリティ会議で公開された4つの異常検知器を分析します。
  論文  参考訳（メタデータ） (2020-12-07T11:02:44Z)

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。