Fugu-MT 論文翻訳(概要): Wildfire Detection Via Transfer Learning: A Survey

論文の概要: Wildfire Detection Via Transfer Learning: A Survey

arxiv url: http://arxiv.org/abs/2306.12276v1
Date: Wed, 21 Jun 2023 13:57:04 GMT
ステータス: 処理完了
システム内更新日: 2023-06-22 13:07:26.946440
Title: Wildfire Detection Via Transfer Learning: A Survey
Title（参考訳）: 移動学習による山火事検出 : 調査
Authors: Ziliang Hong, Emadeldeen Hamdan, Yifei Zhao, Tianxiao Ye, Hongyi Pan, A. Enis Cetin
Abstract要約: 本稿では,山頂や森林見張り塔に設置した通常の視界カメラを用いて,山火事の検知に使用されるさまざまなニューラルネットワークモデルについて検討する。ニューラルネットワークモデルはImageNet-1Kで事前トレーニングされ、カスタムの山火事データセットで微調整される。
参考スコア（独自算出の注目度）: 2.766371147936368
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper surveys different publicly available neural network models used for detecting wildfires using regular visible-range cameras which are placed on hilltops or forest lookout towers. The neural network models are pre-trained on ImageNet-1K and fine-tuned on a custom wildfire dataset. The performance of these models is evaluated on a diverse set of wildfire images, and the survey provides useful information for those interested in using transfer learning for wildfire detection. Swin Transformer-tiny has the highest AUC value but ConvNext-tiny detects all the wildfire events and has the lowest false alarm rate in our dataset.
Abstract（参考訳）: 本稿では,山頂上や森林展望塔に設置した可視距離カメラを用いて,野火の検出に用いるニューラルネットワークモデルについて検討した。ニューラルネットワークモデルはimagenet-1kで事前トレーニングされ、カスタムのwildfireデータセットで微調整される。これらのモデルの性能は,多様なワイルドファイア画像を用いて評価され,ワイルドファイア検出のためのトランスファー学習の利用に関心のある人に有用な情報を提供する。 Swin Transformer-tinyはAUC値が最も高いが、ConvNext-tinyはすべての山火事を検知し、データセットの中で最も低い誤報率を持つ。

関連論文リスト

SparseFormer: Detecting Objects in HRW Shots via Sparse Vision Transformer [62.11796778482088]
本稿では,近接撮影とHRW撮影のオブジェクト検出のギャップを埋めるために,SparseFormerと呼ばれるモデル非依存のスパース視覚変換器を提案する。提案されたSparseFormerは、オブジェクトを含む可能性のあるスパース分散ウィンドウを精査するために、注意トークンを選択的に使用する。 2つのHRWベンチマークであるPANDAとDOTA-v1.0の実験により、提案されたSparseFormerは、最先端のアプローチよりも検出精度(最大5.8%)と速度(最大3倍)を大幅に改善することを示した。
論文参考訳（メタデータ） (2025-02-11T03:21:25Z)
TS-SatFire: A Multi-Task Satellite Image Time-Series Dataset for Wildfire Detection and Prediction [2.2673203312389423]
2017年1月から2021年10月まで、米国内の山火事をカバーし、3552面の反射率画像と補助データ、合計71GBである。このデータセットは3つのタスクをサポートする。アクティブファイア検出、毎日の燃えているエリアマッピング、および山火事の進行予測だ。このデータセットとそのベンチマークは、ディープラーニングを使って山火事の研究を進める基盤を提供する。
論文参考訳（メタデータ） (2024-12-16T08:40:12Z)
Detecting Wildfires on UAVs with Real-time Segmentation Trained by Larger Teacher Models [0.0]
森林火災の早期発見は、大規模な火災が大規模な環境、構造、社会的な被害をもたらすのを防ぐために不可欠である。遠隔地では、高帯域幅の移動ネットワークが欠如しているため、検出方法はオンボード計算に限られている。本研究では,境界ボックスラベルのみを用いて,小さなセグメンテーションモデルを訓練する方法を示す。
論文参考訳（メタデータ） (2024-08-19T11:42:54Z)
Scrapping The Web For Early Wildfire Detection: A New Annotated Dataset of Images and Videos of Smoke Plumes In-the-wild [0.0]
PyroNear-2024は、画像とビデオの両方で構成された新しいデータセットで、煙管検出モデルのトレーニングと評価を可能にする。 textit(i) パブリックなカメラネットワークからの山火事のWebスクラップビデオ、ワイルドファイア検出のためのワイルドファイア検出用ビデオ、我々の社内のカメラネットワークからのテキスト(ii) ビデオ、そしてtextit(iii) 合成画像と実画像のごく一部から得られたデータである。
論文参考訳（メタデータ） (2024-02-08T02:01:36Z)
Camouflaged Image Synthesis Is All You Need to Boost Camouflaged Detection [65.8867003376637]
本研究では,カモフラージュデータの合成フレームワークを提案する。提案手法では,既存の物体検出モデルのトレーニングに使用可能な,現実的なカモフラージュ画像の生成に生成モデルを用いる。我々のフレームワークは3つのデータセット上で最先端の手法より優れています。
論文参考訳（メタデータ） (2023-08-13T06:55:05Z)
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)
Portuguese Man-of-War Image Classification with Convolutional Neural Networks [58.720142291102135]
ポルトガルマン・オブ・ウォー(ポルトガル語: Man-of-war、PMW)は、長い触手を持つゼラチン質の生物である。本稿では,InstagramのソーシャルメディアからPMW画像を認識するための畳み込みニューラルネットワークの利用について報告する。
論文参考訳（メタデータ） (2022-07-04T03:06:45Z)
An Empirical Study of Remote Sensing Pretraining [117.90699699469639]
本研究では,空中画像におけるリモートセンシング事前訓練(RSP)の実証的研究を行った。 RSPは、シーン認識タスクで特有のパフォーマンスを提供するのに役立つ。 RSPは、従来のイメージネットがRS画像に事前学習する際のデータ格差を緩和するが、それでもタスクの相違に悩まされる可能性がある。
論文参考訳（メタデータ） (2022-04-06T13:38:11Z)
Analyzing Multispectral Satellite Imagery of South American Wildfires Using CNNs and Unsupervised Learning [0.0]
本研究では,エクアドルとガラパゴスのランドサット8号の画像をスキップして完全な畳み込みニューラルネットワークを訓練する。画像セグメンテーションは、K-Means Clusteringを用いてCirrus Cloudバンド上で行われ、連続したピクセル値を3つの離散クラスに単純化する。さらに2つの畳み込みニューラルネットワークが訓練され、陸地における山火事の存在を分類する。
論文参考訳（メタデータ） (2022-01-19T02:45:01Z)
Speak2Label: Using Domain Knowledge for Creating a Large Scale Driver Gaze Zone Estimation Dataset [55.391532084304494]
ワイルド・データセットのドライバ・ゲイズには、夕方を含む1日の異なる時間に撮影された586の録音が含まれている。ワイルド・データセットのドライバ・ゲイズには338人の被験者がおり、年齢は18-63歳である。
論文参考訳（メタデータ） (2020-04-13T14:47:34Z)

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。