Fugu-MT 論文翻訳(概要): Image Processing Based Forest Fire Detection

論文の概要: Image Processing Based Forest Fire Detection

arxiv url: http://arxiv.org/abs/2406.04624v1
Date: Fri, 7 Jun 2024 04:11:45 GMT
ステータス: 処理完了
システム内更新日: 2024-06-10 15:29:23.703737
Title: Image Processing Based Forest Fire Detection
Title（参考訳）: 画像処理による森林火災検出
Authors: Vipin V,
Abstract要約: 画像処理技術を用いた森林火災検出のための新しい手法を提案する。ファイアピクセル分類のためのルールベースのカラーモデルが使用される。提案アルゴリズムはRGBとYCbCrの色空間を用いる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: A novel approach for forest fire detection using image processing technique is proposed. A rule-based color model for fire pixel classification is used. The proposed algorithm uses RGB and YCbCr color space. The advantage of using YCbCr color space is that it can separate the luminance from the chrominance more effectively than RGB color space. The performance of the proposed algorithm is tested on two sets of images, one of which contains fire; the other contains fire-like regions. Standard methods are used for calculating the performance of the algorithm. The proposed method has both higher detection rate and lower false alarm rate. Since the algorithm is cheap in computation, it can be used for real-time forest fire detection.
Abstract（参考訳）: 画像処理技術を用いた森林火災検出のための新しい手法を提案する。ファイアピクセル分類のためのルールベースのカラーモデルが使用される。提案アルゴリズムはRGBとYCbCrの色空間を用いる。 YCbCr色空間を使用する利点は、RGB色空間よりも効率的に発光を分離できる点である。提案アルゴリズムの性能は2つの画像で検証され、そのうちの1つは火を含むが、もう1つは火のような領域を含む。標準手法はアルゴリズムの性能を計算するのに使用される。提案手法は,検出率が高く,誤警報率も低い。このアルゴリズムは計算コストが安いため、リアルタイム森林火災検知に利用することができる。

関連論文リスト

Learning to Make Keypoints Sub-Pixel Accurate [80.55676599677824]
本研究は,2次元局所特徴の検出におけるサブピクセル精度の課題に対処する。本稿では,検出された特徴に対するオフセットベクトルを学習することにより,サブピクセル精度で検出器を拡張できる新しいネットワークを提案する。
論文参考訳（メタデータ） (2024-07-16T12:39:56Z)
Target Recognition Algorithm for Monitoring Images in Electric Power Construction Process [9.734058529028431]
このアルゴリズムは、局所線形マッピング法に基づく色処理技術を用いて、モニタリング画像を効果的に色付けする。本研究では,屋外および屋内の電力建設監視シナリオにおいて,高い目標認識精度を実現するアルゴリズムの有効性を実証する。
論文参考訳（メタデータ） (2024-02-09T03:02:48Z)
Learning to Detect Good Keypoints to Match Non-Rigid Objects in RGB Images [7.428474910083337]
本稿では,非剛性画像対応タスクの正マッチ数を最大化するために,新しい学習キーポイント検出手法を提案する。我々のトレーニングフレームワークは、アノテートされた画像対と予め定義された記述子抽出器をマッチングして得られる真の対応を利用して、畳み込みニューラルネットワーク(CNN)を訓練する。実験の結果,本手法は平均整合精度で20時までに非剛体物体の実像に対して,最先端のキーポイント検出器よりも優れていた。
論文参考訳（メタデータ） (2022-12-13T11:59:09Z)
Adaptive Non-linear Filtering Technique for Image Restoration [0.0]
画像中の帯域線, ドロップライン, マーク, バンド損失, インパルスを除去するための決定に基づく非線形アルゴリズムを提案する。アルゴリズムは2つの同時動作、すなわち、破損したピクセルの検出と、破損したピクセルを置き換えるための新しいピクセルの評価を行う。
論文参考訳（メタデータ） (2022-04-20T08:36:59Z)
Color Mapping Functions For HDR Panorama Imaging: Weighted Histogram Averaging [31.415704979877557]
入力画像の最も明るい領域と暗い領域における色歪みや詳細の喪失により、異なる露出で複数の画像を縫合することは困難である。本稿では,新しいカラーマッピングアルゴリズムを提案する。まず,重み付きヒストグラム平均化(WHA)の概念を導入する。提案したWHAアルゴリズムは、ヒストグラム画像の最も明るい領域と暗い領域の詳細も保存する。
論文参考訳（メタデータ） (2021-11-14T09:10:32Z)
Attention on Classification for Fire Segmentation [82.75113406937194]
本稿では,画像中の火災の分類とセグメンテーションのための畳み込みニューラルネットワーク(CNN)を提案する。我々は,空間的自己認識機構を用いて画素間の長距離依存性を捉えるとともに,分類確率を注目重みとして利用する新しいチャネルアテンションモジュールを提案する。
論文参考訳（メタデータ） (2021-11-04T19:52:49Z)
On the Limits of Pseudo Ground Truth in Visual Camera Re-localisation [83.29404673257328]
再ローカライゼーションベンチマークは、各メソッドが参照アルゴリズムの結果をいかにうまく再現するかを測定する。このことは、参照アルゴリズムの選択がある種の再ローカライゼーション手法を好むかどうかを問うものである。本稿では、広く使われている2つの再ローカライゼーションデータセットを分析し、参照アルゴリズムの選択によって評価結果が実際に異なることを示す。
論文参考訳（メタデータ） (2021-09-01T12:01:08Z)
Perceptual Robust Hashing for Color Images with Canonical Correlation Analysis [21.22196411212803]
リングリブボン四重木とカラーベクター角度に基づくカラー画像に対する新しい知覚的画像ハッシュ方式を提案する。本手法は, コピー検出やコンテンツ認証に効果的に使用できるロバスト性, 識別性, セキュリティに関して, 良好な性能を有する。
論文参考訳（メタデータ） (2020-12-08T09:35:21Z)
The Cube++ Illumination Estimation Dataset [50.58610459038332]
本稿では,新しい照明推定データセットを提案する。照明色が既知の4890の画像と、追加のセマンティックデータで構成されている。データセットは、単一または2つの照度推定を実行するメソッドのトレーニングとテストに使用することができる。
論文参考訳（メタデータ） (2020-11-19T18:50:08Z)
Probabilistic Color Constancy [88.85103410035929]
我々は、異なる画像領域の寄与を重み付けすることで、シーンの照度を推定するためのフレームワークを定義する。提案手法は,INTEL-TAUデータセット上での最先端技術と比較して,競合性能を実現する。
論文参考訳（メタデータ） (2020-05-06T11:03:05Z)
UC-Net: Uncertainty Inspired RGB-D Saliency Detection via Conditional Variational Autoencoders [81.5490760424213]
データラベリングプロセスから学習することで、RGB-Dサリエンシ検出に不確実性を利用するための第1のフレームワーク(UCNet)を提案する。そこで本研究では,サリエンシデータラベリングにヒントを得て,確率的RGB-Dサリエンシ検出ネットワークを提案する。
論文参考訳（メタデータ） (2020-04-13T04:12:59Z)

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。