論文の概要: Preliminary Wildfire Detection Using State-of-the-art PTZ (Pan, Tilt,
Zoom) Camera Technology and Convolutional Neural Networks
- arxiv url: http://arxiv.org/abs/2109.05083v1
- Date: Fri, 10 Sep 2021 19:30:37 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-18 21:11:20.424109
- Title: Preliminary Wildfire Detection Using State-of-the-art PTZ (Pan, Tilt,
Zoom) Camera Technology and Convolutional Neural Networks
- Title(参考訳): 最新のPTZ(Pan, Tilt, Zoom)カメラ技術と畳み込みニューラルネットワークを用いた予備的山火事検出
- Authors: Samarth Shah
- Abstract要約: 野生の火は、人間や自然によって引き起こされる可能性のある環境において、制御されていない火災である。
2020年だけで、カリフォルニア州の山火事は4200万エーカーの土地を燃やし、10,500の建物や建物を破壊し、31人以上が死んだ。
研究の目的は、森林火災が広がるのを防ぐため、初期の段階で森林火災を検出することである。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Wildfires are uncontrolled fires in the environment that can be caused by
humans or nature. In 2020 alone, wildfires in California have burned 4.2
million acres, damaged 10,500 buildings or structures, and killed more than 31
people, exacerbated by climate change and a rise in average global
temperatures. This also means there has been an increase in the costs of
extinguishing these treacherous wildfires. The objective of the research is to
detect forest fires in their earlier stages to prevent them from spreading,
prevent them from causing damage to a variety of things, and most importantly,
reduce or eliminate the chances of someone dying from a wildfire. A fire
detection system should be efficient and accurate with respect to extinguishing
wildfires in their earlier stages to prevent the spread of them along with
their consequences. Computer Vision is potentially a more reliable, fast, and
widespread method we need. The current research in the field of preliminary
fire detection has several problems related to unrepresentative data being used
to train models and their existing varied amounts of label imbalance in the
classes of their dataset. We propose a more representative and evenly
distributed data through better settings, lighting, atmospheres, etc., and
class distribution in the entire dataset. After thoroughly examining the
results of this research, it can be inferred that they supported the datasets
strengths by being a viable resource when tested in the real world on
unfamiliar data. This is evident since as the model trains on the dataset, it
is able to generalize on it, hence confirming this is a viable Machine Learning
setting that has practical impact.
- Abstract(参考訳): 野生の火は、人間や自然によって引き起こされる可能性のある環境における制御不能な火である。
2020年だけで、カリフォルニア州の山火事は4200万エーカーの土地を燃やし、10,500の建物や建物を破壊し、31人以上の死者を出した。
これはまた、これらの裏切り的な野火を消火するコストが増加したことを意味する。
研究の目的は、初期の段階で森林火災を検出して拡散を防ぎ、様々な物に損傷を与えないようにすること、そして最も重要なことは、人が山火事で死ぬ可能性を減らすか、排除することである。
火災検知システムは、早期に野火を消火し、その影響とともにその拡散を防止するため、効率的かつ正確でなければならない。
コンピュータビジョンは、私たちが必要とするより信頼性が高く、高速で、幅広い方法です。
予備的火災検出の分野での最近の研究には、モデルのトレーニングに使用される非表現データと、それらのデータセットのクラスにおける既存の様々なラベルの不均衡に関するいくつかの問題がある。
我々は,データセット全体の設定,照明,雰囲気,クラス分布の改善を通じて,より代表的で均等に分散したデータを提案する。
この研究の結果を徹底的に調べた結果、未知のデータで実世界でテストした場合、データセットの強度が有効なリソースであることが推測できる。
モデルがデータセットをトレーニングするので、それを一般化することができるため、実用的な影響を持つマシンラーニング環境として実行可能なものであることは明らかです。
関連論文リスト
- Epidemiology-informed Network for Robust Rumor Detection [59.89351792706995]
本稿では, 疫学知識を統合し, 性能を高めるための新しい疫学情報ネットワーク(EIN)を提案する。
疫学理論をうわさ検出に適応させるため,各利用者が情報源情報に対する姿勢を付加することが期待されている。
実験結果から,提案したEINは実世界のデータセット上で最先端の手法より優れるだけでなく,樹木の深度にまたがる堅牢性も向上することが示された。
論文 参考訳(メタデータ) (2024-11-20T00:43:32Z) - A Synergistic Approach to Wildfire Prevention and Management Using AI, ML, and 5G Technology in the United States [44.99833362998488]
本研究は、アメリカ合衆国における山火事の検出および対処のための積極的な方法を検討する。
本研究の目的は,高度技術を用いた山火事の予防的検出と防止である。
AI対応のリモートセンシングや5Gベースのアクティブモニタリングなど、さまざまな方法により、アクティブな山火事の検出と管理が強化される。
論文 参考訳(メタデータ) (2024-02-27T04:09:30Z) - Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。
ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。
このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
論文 参考訳(メタデータ) (2023-09-24T19:57:22Z) - Multimodal Wildland Fire Smoke Detection [5.15911752972989]
研究によると、気候変動によって温暖な温度と乾燥状態が生まれ、長い山火事の季節と米国の山火事のリスクが増大する。
スモーキーネット(SmokeyNet)は,森林火災の煙を検出するための時間的情報を用いた深層学習モデルである。
SmokeyNetは、ほんの数分の時間で自動早期通知システムとして機能し、破壊的な山火事との戦いに有用なツールを提供する。
論文 参考訳(メタデータ) (2022-12-29T01:16:06Z) - Image-Based Fire Detection in Industrial Environments with YOLOv4 [53.180678723280145]
この研究は、AIが火災を検出し、認識し、画像ストリーム上のオブジェクト検出を使用して検出時間を短縮する可能性を検討する。
そこで我々は, YOLOv4オブジェクト検出器をベースとした複数のモデルのトレーニングと評価に使用されてきた複数の公開情報源から, 適切なデータを収集, ラベル付けした。
論文 参考訳(メタデータ) (2022-12-09T11:32:36Z) - Image-based Early Detection System for Wildfires [2.8494271563126676]
森林火災は土地の被害、財産の喪失、大気汚染、さらには人命の喪失を引き起こす破壊的な現象である。
本稿では,機械学習を用いて山火事の煙を高精度に検出するWildfire Detection and Alertシステムを提案する。
私たちの技術は現在、米国内で毎日何百ものカメラから送られてくるデータを監視するために使われています。
論文 参考訳(メタデータ) (2022-11-03T07:38:30Z) - Neuroevolution-based Classifiers for Deforestation Detection in Tropical
Forests [62.997667081978825]
森林破壊や荒廃により、毎年何百万ヘクタールもの熱帯林が失われる。
監視・森林破壊検知プログラムは、犯罪者の予防・処罰のための公共政策に加えて、使用されている。
本稿では,熱帯林の森林破壊検出作業におけるニューロ進化技術(NEAT)に基づくパターン分類器の利用を提案する。
論文 参考訳(メタデータ) (2022-08-23T16:04:12Z) - A Multi-Modal Wildfire Prediction and Personalized Early-Warning System
Based on a Novel Machine Learning Framework [0.0]
2018年のカリフォルニアの山火事は1848.5億ドルの損害を与えた。
何百万人もの影響を受けた人々の中で、障害者は不適切な警報手段によって不当に影響を受ける。
本プロジェクトでは,マルチモーダル山火事予報システムと早期警報システムを開発した。
論文 参考訳(メタデータ) (2022-08-18T22:03:32Z) - Assimilation of Satellite Active Fires Data [0.0]
この論文の目的は、山火事のモデリング能力を改善することで、山火事の影響に対処する技術を開発することである。
特に,火災の履歴を構築する方法,山火事データを同化するための新しい技術,およびモデル化された火災の挙動を変更する方法を開発する。
論文 参考訳(メタデータ) (2022-04-01T20:11:28Z) - From Static to Dynamic Prediction: Wildfire Risk Assessment Based on
Multiple Environmental Factors [69.9674326582747]
ワイルドファイアはアメリカ合衆国西海岸で頻繁に起こる最大の災害の1つである。
カリフォルニアの山火事リスクが高い地域を解析・評価するための静的・動的予測モデルを提案します。
論文 参考訳(メタデータ) (2021-03-14T17:56:17Z) - Uncertainty Aware Wildfire Management [6.997483623023005]
アメリカ合衆国では近年の山火事で生命が失われ、数十億ドルが失われた。
大規模に展開するリソースは限られており、火災の広がりを予測することは困難である。
本稿では,山火事対策のための意思決定論的アプローチを提案する。
論文 参考訳(メタデータ) (2020-10-15T17:47:31Z)
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。