論文の概要: Integrating Deep Learning and Augmented Reality to Enhance Situational Awareness in Firefighting Environments

• arxiv url: http://arxiv.org/abs/2107.11043v1
• Date: Fri, 23 Jul 2021 06:35:13 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-26 20:48:32.872938
• Title: Integrating Deep Learning and Augmented Reality to Enhance Situational Awareness in Firefighting Environments
• Title（参考訳）: 消防環境における深層学習と拡張現実の統合による状況認識の促進
• Authors: Manish Bhattarai
• Abstract要約: 文献の中では,消防士の状況認識を初めて構築するための,新たな4つのアプローチを提案する。 まず、深層畳み込みニューラルネットワーク(CNN)システムを用いて、熱画像から興味のある物体をリアルタイムで分類、同定した。 次に、オブジェクト検出、追跡、Mask RCNNフレームワークによるセグメンテーション、マルチモーダル自然言語処理(NLP)フレームワークによるシーン記述のためのCNNフレームワークを拡張した。 第3に、ストレスによる不整合と不安に免疫する深いQラーニングに基づくエージェントを構築し、観察結果に基づいて明確なナビゲーション決定を行う。
• 参考スコア（独自算出の注目度）: 4.061135251278187
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: We present a new four-pronged approach to build firefighter's situational awareness for the first time in the literature. We construct a series of deep learning frameworks built on top of one another to enhance the safety, efficiency, and successful completion of rescue missions conducted by firefighters in emergency first response settings. First, we used a deep Convolutional Neural Network (CNN) system to classify and identify objects of interest from thermal imagery in real-time. Next, we extended this CNN framework for object detection, tracking, segmentation with a Mask RCNN framework, and scene description with a multimodal natural language processing(NLP) framework. Third, we built a deep Q-learning-based agent, immune to stress-induced disorientation and anxiety, capable of making clear navigation decisions based on the observed and stored facts in live-fire environments. Finally, we used a low computational unsupervised learning technique called tensor decomposition to perform meaningful feature extraction for anomaly detection in real-time. With these ad-hoc deep learning structures, we built the artificial intelligence system's backbone for firefighters' situational awareness. To bring the designed system into usage by firefighters, we designed a physical structure where the processed results are used as inputs in the creation of an augmented reality capable of advising firefighters of their location and key features around them, which are vital to the rescue operation at hand, as well as a path planning feature that acts as a virtual guide to assist disoriented first responders in getting back to safety. When combined, these four approaches present a novel approach to information understanding, transfer, and synthesis that could dramatically improve firefighter response and efficacy and reduce life loss.
• Abstract（参考訳）: 文献の中では,消防士の状況認識を構築するための新たな4つのアプローチを提案する。 我々は,消防隊が緊急対応設定で行う救助任務の安全性,効率,及び成功率を高めるために,相互上に構築された一連の深層学習フレームワークを構築した。 まず、深層畳み込みニューラルネットワーク(CNN)システムを用いて、熱画像から興味のある物体をリアルタイムで分類、同定した。 次に,オブジェクト検出,追跡,セグメンテーションのためのcnnフレームワークをマスクrcnnフレームワークで拡張し,マルチモーダル自然言語処理(nlp)フレームワークを用いてシーン記述を行った。 第3に,ストレスによる不整合や不安に対して免疫を付与する深層Q学習エージェントを構築し,実火環境における観測および保存された事実に基づいて,明確なナビゲーション決定を行うことができた。 最後に,テンソル分解と呼ばれる低計算非教師学習手法を用いて,異常検出のための有意義な特徴抽出を行った。 このようなアドホックなディープラーニング構造によって、消防士の状況認識のための人工知能システムのバックボーンを構築しました。 本研究では,消防士が設計したシステムを消防士が活用するための物理的な構造を設計し,その処理結果を,救助活動に欠かせない位置や周辺の特徴を消防士にアドバイスできる拡張現実(AR)の創出のインプットとして用いるとともに,意図しないファーストレスポンダの安全回復を支援する仮想ガイドとして機能する経路計画機能を設計した。 これら4つのアプローチを組み合わせることで、消防士の反応と効果を劇的に改善し、寿命を減少させる情報理解、伝達、合成への新しいアプローチが示される。

関連論文リスト

• Apprenticeship-Inspired Elegance: Synergistic Knowledge Distillation Empowers Spiking Neural Networks for Efficient Single-Eye Emotion Recognition [53.359383163184425]
  本稿では, 効率的な単一眼球運動認識タスクに適した, マルチモーダル・シナジスティック知識蒸留方式を提案する。 この方法では、軽量で単調な学生スパイクニューラルネットワーク(SNN)が、イベントフレームマルチモーダル教師ネットワークから豊富な知識を抽出することができる。
  論文  参考訳（メタデータ） (2024-06-20T07:24:47Z)
• Advancing Forest Fire Prevention: Deep Reinforcement Learning for Effective Firebreak Placement [2.4594411098435023]
  本研究では,特に深層強化学習(Deep Reinforcement Learning)という人工知能技術を用いて,現場の火災発生問題に対処することを提案する。 我々は,森林環境内の火災発生箇所を学習し,良好な結果を得られる計算エージェントの実装に成功した。 提案手法は,40×40セル程度の問題事例の収束性を示し,この重要な問題に強化学習を適用する上で重要なマイルストーンとなる。
  論文  参考訳（メタデータ） (2024-04-12T15:10:57Z)
• AI-Based Energy Transportation Safety: Pipeline Radial Threat Estimation Using Intelligent Sensing System [52.93806509364342]
  本稿では,分散光ファイバーセンシング技術に基づくエネルギーパイプラインの放射状脅威推定手法を提案する。 本稿では,包括的信号特徴抽出のための連続的マルチビュー・マルチドメイン機能融合手法を提案する。 本研究では,事前学習モデルによる伝達学習の概念を取り入れ,認識精度と学習効率の両立を図る。
  論文  参考訳（メタデータ） (2023-12-18T12:37:35Z)
• Planning for Learning Object Properties [117.27898922118946]
  我々は、物体特性を象徴的な計画問題として認識するために、ニューラルネットワークを自動的に訓練する問題を定式化する。 トレーニングデータセット作成と学習プロセスを自動化するための戦略を作成するために,計画手法を使用します。 シミュレーションと実環境の両方で実験的な評価を行う。
  論文  参考訳（メタデータ） (2023-01-15T09:37:55Z)
• Backprop-Free Reinforcement Learning with Active Neural Generative Coding [84.11376568625353]
  動的環境におけるエラー(バックプロップ)のバックプロパゲーションを伴わない行動駆動型生成モデルの学習のための計算フレームワークを提案する。 我々は、まばらな報酬でも機能するインテリジェントエージェントを開発し、推論として計画の認知理論からインスピレーションを得ている。 我々のエージェントの堅牢な性能は、神経推論と学習のためのバックプロップフリーアプローチがゴール指向の行動を促進するという有望な証拠を提供する。
  論文  参考訳（メタデータ） (2021-07-10T19:02:27Z)
• A deep Q-Learning based Path Planning and Navigation System for Firefighting Environments [3.24890820102255]
  ストレス誘発性不整合と不安に免疫を持つQ-ラーニングに基づく深層エージェントを提案する。 概念実証として、Unreal Engineと呼ばれるゲームエンジンの構造的な火災を模倣する。 体験リプレイを利用して学習プロセスを加速し、エージェントの学習を人間由来の体験で増強する。
  論文  参考訳（メタデータ） (2020-11-12T15:43:17Z)
• An embedded deep learning system for augmented reality in firefighting applications [2.750124853532832]
  この研究は、ディープラーニング、ポイントクラウド、サーマルイメージング、拡張現実プラットフォームなど、最近の技術の進歩を実践している。 我々は、消防士の個人防護装置(PPE)に組み込まれたカメラからストリームされるデータを利用して、熱、RGB色、深度画像をキャプチャする、プロトタイプの組込みシステムの設計と構築を行った。 組込みシステムは、処理された画像をワイヤレスストリーミングで分析して返却し、拡張現実プラットフォームを使用してリモートで消防士に中継することができる。
  論文  参考訳（メタデータ） (2020-09-22T16:55:44Z)
• Distilled Semantics for Comprehensive Scene Understanding from Videos [53.49501208503774]
  本稿では,一眼レフカメラによる全体像の理解に向けて,セマンティクスとともに深度や動きを学習し,さらなる一歩を踏み出した。 これら3つの課題を,知識蒸留と自己監督に基づく新たなトレーニングプロトコルによって共同で解決する。 その結果, 単眼深度推定, 光流, モーションセグメンテーションの最先端結果が得られた。
  論文  参考訳（メタデータ） (2020-03-31T08:52:13Z)
• Using Deep Reinforcement Learning Methods for Autonomous Vessels in 2D Environments [11.657524999491029]
  本研究では,Q-Learningとニューラル表現を組み合わせた深層強化学習を用いて不安定性を回避する。 当社の方法論では,Q-Learningを深く使用して,アジャイル方法論のローリングウェーブプランニングアプローチと組み合わせています。 実験の結果,VVNの長距離ミッションの平均性能は55.31倍に向上した。
  論文  参考訳（メタデータ） (2020-03-23T12:58:58Z)
• On Simple Reactive Neural Networks for Behaviour-Based Reinforcement Learning [5.482532589225552]
  本稿では,Brookの仮定アーキテクチャに着想を得た行動に基づく強化学習手法を提案する。 作業上の前提は、ロボット開発者のドメイン知識を活用することで、ロボットのピック・アンド・プレイス・タスクを単純化できるということです。 提案手法では,8000エピソードのピック・アンド・プレイス・タスクを学習し,エンド・ツー・エンドアプローチで必要とされるトレーニング・エピソードの数を劇的に削減する。
  論文  参考訳（メタデータ） (2020-01-22T11:49:52Z)
• Adversarial vs behavioural-based defensive AI with joint, continual and active learning: automated evaluation of robustness to deception, poisoning and concept drift [62.997667081978825]
  人工知能(AI)の最近の進歩は、サイバーセキュリティのための行動分析(UEBA)に新たな能力をもたらした。 本稿では、検出プロセスを改善し、人間の専門知識を効果的に活用することにより、この攻撃を効果的に軽減するソリューションを提案する。
  論文  参考訳（メタデータ） (2020-01-13T13:54:36Z)

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。