論文の概要: Computer Vision-based Characterization of Large-scale Jet Flames using a
Synthetic Infrared Image Generation Approach
- arxiv url: http://arxiv.org/abs/2206.02110v1
- Date: Sun, 5 Jun 2022 06:54:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-11 11:07:10.007213
- Title: Computer Vision-based Characterization of Large-scale Jet Flames using a
Synthetic Infrared Image Generation Approach
- Title（参考訳）: 合成赤外画像生成法による大型噴流火炎のコンピュータビジョンによるキャラクタリゼーション
- Authors: Carmina P\'erez-Guerrero, Jorge Francisco Cipri\'an-S\'anchez, Adriana
Palacios, Gilberto Ochoa-Ruiz, Miguel Gonzalez-Mendoza, Vahid Foroughi, Elsa
Pastor, Gerardo Rodriguez-Hernandez
- Abstract要約: 本稿では,可視光から可視赤外画像を生成するために,ジェネレーティブ・アドバイサル・ネットワーク(Generative Adversarial Networks)を提案する。
その結果,可視カメラと赤外線カメラの両方を用いて実施した実験の結果を現実的に再現することが可能であることが示唆された。
- 参考スコア（独自算出の注目度）: 0.8431877864777444
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Among the different kinds of fire accidents that can occur during industrial
activities that involve hazardous materials, jet fires are one of the
lesser-known types. This is because they are often involved in a process that
generates a sequence of other accidents of greater magnitude, known as domino
effect. Flame impingement usually causes domino effects, and jet fires present
specific features that can significantly increase the probability of this
happening. These features become relevant from a risk analysis perspective,
making their proper characterization a crucial task. Deep Learning approaches
have become extensively used for tasks such as jet fire characterization;
however, these methods are heavily dependent on the amount of data and the
quality of the labels. Data acquisition of jet fires involve expensive
experiments, especially so if infrared imagery is used. Therefore, this paper
proposes the use of Generative Adversarial Networks to produce plausible
infrared images from visible ones, making experiments less expensive and
allowing for other potential applications. The results suggest that it is
possible to realistically replicate the results for experiments carried out
using both visible and infrared cameras. The obtained results are compared with
some previous experiments, and it is shown that similar results were obtained.
- Abstract（参考訳）: 有害物質を含む産業活動中に発生する様々な火災事故の中で、ジェット火災はあまり知られていないタイプの1つである。
これは、しばしばドミノ効果(Domino effect)として知られる大きな事故を発生させる過程に関与しているためである。
炎の衝突は通常ドミノ効果を引き起こし、ジェットエンジンの火災は、これが起こる確率を大幅に増加させる特定の特徴を示す。
これらの特徴はリスク分析の観点から重要となり、適切な特徴付けが重要な課題となる。
ディープラーニングのアプローチは、jet fire characterizationのようなタスクで広く使われているが、これらの方法は、データ量とラベルの品質に大きく依存している。
ジェット火災のデータ取得には、特に赤外線画像を使用する場合、高価な実験が必要となる。
そこで本稿では,可視画像から可視赤外線画像を生成するためにジェネレーティブ・アドバイサル・ネットワーク(Generative Adversarial Networks)を提案する。
その結果,可視カメラと赤外線カメラの両方を用いた実験の結果を現実的に再現できることが示唆された。
得られた結果は, 過去の実験と比較し, 同様の結果が得られた。
関連論文リスト
- Smoke and Mirrors in Causal Downstream Tasks [59.90654397037007]
本稿では,治療効果推定の因果推論課題について考察する。
ランダム化比較試験において,高次元画像として記録される2値効果を仮定する。
最先端のビジュアルバックボーンから微調整された6つの480モデルを比較した。
その結果,サンプリングとモデリングの選択が因果推定の精度に大きく影響していることが判明した。
論文 参考訳（メタデータ） (2024-05-27T13:26:34Z) - Diffusion Facial Forgery Detection [56.69763252655695]
本稿では,顔に焦点をあてた拡散生成画像を対象とした包括的データセットであるDiFFを紹介する。
人体実験といくつかの代表的な偽造検出手法を用いて,DiFFデータセットの広範な実験を行った。
その結果、人間の観察者と自動検出者の2値検出精度は30%以下であることが判明した。
論文 参考訳（メタデータ） (2024-01-29T03:20:19Z) - Real-time Human Detection in Fire Scenarios using Infrared and Thermal
Imaging Fusion [0.0]
火災は人命に対する最も深刻な脅威の1つと考えられており、死者の確率が高い。
視覚に基づく人間検出システムを使用することで、より多くの命を救う能力を向上させることができる。
本稿では, 煙による低視認性シナリオにおいて, 複数のカメラを用いた熱赤外画像融合方式を提案する。
論文 参考訳（メタデータ） (2023-07-09T16:28:57Z) - Machine Learning and Thermography Applied to the Detection and
Classification of Cracks in Building [0.0]
この研究プロジェクトは、赤外線サーモグラフィと機械学習(ML)を組み合わせることで、ステークホルダーが既存の建物を再利用する可能性を決定することを目的としている。
この研究プロジェクトの特定のフェーズでは、コンボリューショナルニューラルネットワーク(DCNN)のイメージ分類機械学習モデルを使用して、1つの建物で3つのレベルの亀裂を区別しました。
論文 参考訳（メタデータ） (2022-12-30T14:16:24Z) - 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) - Graph Neural Networks with Trainable Adjacency Matrices for Fault
Diagnosis on Multivariate Sensor Data [69.25738064847175]
各センサの信号の挙動を別々に検討し,相互の相関関係と隠れ関係を考慮する必要がある。
グラフノードは、異なるセンサーからのデータとして表現することができ、エッジは、これらのデータの影響を互いに表示することができる。
グラフニューラルネットワークのトレーニング中にグラフを構築する方法が提案されている。これにより、センサー間の依存関係が事前に分かっていないデータ上でモデルをトレーニングすることができる。
論文 参考訳（メタデータ） (2022-10-20T11:03:21Z) - Target-aware Dual Adversarial Learning and a Multi-scenario
Multi-Modality Benchmark to Fuse Infrared and Visible for Object Detection [65.30079184700755]
本研究は、物体検出のために異なるように見える赤外線と可視画像の融合の問題に対処する。
従来のアプローチでは、2つのモダリティの根底にある共通点を発見し、反復最適化またはディープネットワークによって共通空間に融合する。
本稿では、融合と検出の連立問題に対する二段階最適化の定式化を提案し、その後、核融合と一般的に使用される検出ネットワークのためのターゲット認識デュアル逆学習(TarDAL)ネットワークに展開する。
論文 参考訳（メタデータ） (2022-03-30T11:44:56Z) - Experimental Large-Scale Jet Flames' Geometrical Features Extraction for
Risk Management Using Infrared Images and Deep Learning Segmentation Methods [0.9236074230806579]
ジェット火災は比較的小さく、工業プラントで起こりうる多様な火災事故の中では最も深刻な影響を受けない。
本研究は,ジェット火炎のセマンティックセグメンテーションを用いた別のアプローチにおけるディープラーニングモデルの適用について検討する。
論文 参考訳（メタデータ） (2022-01-20T00:50:41Z) - On the Frequency Bias of Generative Models [61.60834513380388]
我々は、最先端のGANトレーニングにおいて、高周波アーティファクトに対する提案手法を解析した。
既存のアプローチでは、スペクトルアーティファクトを完全に解決できないことが分かっています。
以上の結果から,識別能力の向上に大きな可能性があることが示唆された。
論文 参考訳（メタデータ） (2021-11-03T18:12:11Z) - Comparing ML based Segmentation Models on Jet Fire Radiation Zone [0.0]
リスク管理の観点からは,火災事故の特徴付けが重要である。
そのような特徴の1つは、火炎内の異なる放射帯のセグメンテーションである。
プロパンジェット火災のデータセットは、異なるアプローチの訓練と評価に使用される。
論文 参考訳（メタデータ） (2021-07-07T19:52:52Z) - Deep Models and Shortwave Infrared Information to Detect Face
Presentation Attacks [6.684752451476642]
畳み込みニューラルネットワークに基づく最近のモデルを用いて顔提示攻撃検出を行う。
実験は、様々な種類の攻撃を含む、新しいパブリックで無償のデータベースで実施されている。
論文 参考訳（メタデータ） (2020-07-22T14:41:14Z)
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。