論文の概要: Benchmarking Multi-Scene Fire and Smoke Detection

• arxiv url: http://arxiv.org/abs/2410.16631v1
• Date: Tue, 22 Oct 2024 02:19:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-23 14:28:54.533559
• Title: Benchmarking Multi-Scene Fire and Smoke Detection
• Title（参考訳）: マルチシーン火災と煙検出のベンチマーク
• Authors: Xiaoyi Han, Nan Pu, Zunlei Feng, Yijun Bei, Qifei Zhang, Lechao Cheng, Liang Xue,
• Abstract要約: 既存のパブリックファイア・アンド・スモーク検出(FSD)データセットの現在の不規則性は、FSD技術の進歩においてボトルネックとなっている。 我々は,現実のシーンを忠実に映し出す,標準化された,現実的で,統一された,効率的なFSD研究プラットフォームを確立することを目指している。
• 参考スコア（独自算出の注目度）: 15.091410770385812
• License:
• Abstract: The current irregularities in existing public Fire and Smoke Detection (FSD) datasets have become a bottleneck in the advancement of FSD technology. Upon in-depth analysis, we identify the core issue as the lack of standardized dataset construction, uniform evaluation systems, and clear performance benchmarks. To address this issue and drive innovation in FSD technology, we systematically gather diverse resources from public sources to create a more comprehensive and refined FSD benchmark. Additionally, recognizing the inadequate coverage of existing dataset scenes, we strategically expand scenes, relabel, and standardize existing public FSD datasets to ensure accuracy and consistency. We aim to establish a standardized, realistic, unified, and efficient FSD research platform that mirrors real-life scenes closely. Through our efforts, we aim to provide robust support for the breakthrough and development of FSD technology. The project is available at \href{https://xiaoyihan6.github.io/FSD/}{https://xiaoyihan6.github.io/FSD/}.
• Abstract（参考訳）: 既存のパブリックファイア・アンド・スモーク検出(FSD)データセットの現在の不規則性は、FSD技術の進歩においてボトルネックとなっている。 詳細な分析では、標準化されたデータセット構築、一様評価システム、クリアなパフォーマンスベンチマークの欠如として、中核的な課題を識別する。 この問題に対処し、FSD技術の革新を促進するため、我々は、より包括的で洗練されたFSDベンチマークを作成するために、公的情報源から多様なリソースを体系的に収集する。 さらに、既存のデータセットシーンの不十分なカバレッジを認識して、シチュエーションを戦略的に拡張し、レザベルを提供し、既存のパブリックなFSDデータセットを標準化して、正確性と一貫性を確保します。 我々は,現実のシーンを忠実に映し出す,標準化された,現実的で,統一された,効率的なFSD研究プラットフォームを確立することを目指している。 弊社の取り組みは、FSD技術のブレークスルーと開発を強力に支援することを目的としている。 このプロジェクトは \href{https://xiaoyihan6.github.io/FSD/}{https://xiaoyihan6.github.io/FSD/} で公開されている。

関連論文リスト

• Fire and Smoke Detection with Burning Intensity Representation [14.738038604117364]
  火災の破壊的可能性から, 効果的な火災・煙検知・解析システム(FSD)が重要視されている。 多くの既存のFSD法は、火災や煙の透明性を考慮せずに、直接ジェネリックオブジェクト検出技術を用いている。 この問題に対処するため,新しい火災・煙検知モデル (a-FSDM) が提案されている。
  論文  参考訳（メタデータ） (2024-10-22T02:41:37Z)
• Towards Scenario- and Capability-Driven Dataset Development and Evaluation: An Approach in the Context of Mapless Automated Driving [0.0]
  本稿では,自動走行における環境認識のためのデータセット開発プロセスに焦点を当てる。 本稿では,データセット開発におけるシナリオと能力に基づくアプローチを提案する。 この方法論を、既存のレーン検出データセットの幅広い範囲に適用することにより、現在のデータセットにおける重要な制限を特定します。
  論文  参考訳（メタデータ） (2024-04-30T15:52:49Z)
• FS-Real: Towards Real-World Cross-Device Federated Learning [60.91678132132229]
  Federated Learning (FL)は、ローカルデータをアップロードすることなく、分散クライアントと協調して高品質なモデルをトレーニングすることを目的としている。 FL研究と実世界のシナリオの間には依然としてかなりのギャップがあり、主に異種デバイスの特徴とそのスケールによって引き起こされている。 本稿では,実世界横断デバイスFL,FS-Realのための効率的でスケーラブルなプロトタイピングシステムを提案する。
  論文  参考訳（メタデータ） (2023-03-23T15:37:17Z)
• Fully Self-Supervised Depth Estimation from Defocus Clue [79.63579768496159]
  スパース焦点スタックから深度を純粋に推定する自己教師型フレームワークを提案する。 筆者らのフレームワークは,深度とAIF画像の接地構造の必要性を回避し,より優れた予測を得られることを示す。
  論文  参考訳（メタデータ） (2023-03-19T19:59:48Z)
• LaMAR: Benchmarking Localization and Mapping for Augmented Reality [80.23361950062302]
  異種ARデバイスでキャプチャされたリアルな軌跡とセンサストリームを共登録する,包括的キャプチャとGTパイプラインを備えた新しいベンチマークであるLaMARを紹介する。 私たちは、ヘッドマウントとハンドヘルドARデバイスで記録された多様な大規模シーンのベンチマークデータセットを公開します。
  論文  参考訳（メタデータ） (2022-10-19T17:58:17Z)
• DataPerf: Benchmarks for Data-Centric AI Development [81.03754002516862]
  DataPerfは、MLデータセットとデータ中心アルゴリズムを評価するための、コミュニティ主導のベンチマークスイートである。 私たちは、この反復的な開発をサポートするために、複数の課題を抱えたオープンなオンラインプラットフォームを提供しています。 ベンチマーク、オンライン評価プラットフォーム、ベースライン実装はオープンソースである。
  論文  参考訳（メタデータ） (2022-07-20T17:47:54Z)
• Benchmarking the Robustness of LiDAR-Camera Fusion for 3D Object Detection [58.81316192862618]
  自律運転における3D知覚のための2つの重要なセンサーは、カメラとLiDARである。 これら2つのモダリティを融合させることで、3次元知覚モデルの性能を大幅に向上させることができる。 我々は、最先端の核融合法を初めてベンチマークした。
  論文  参考訳（メタデータ） (2022-05-30T09:35:37Z)
• Feature Space Singularity for Out-of-Distribution Detection [12.889477280195079]
  OoD(Out-of-Distribution)検出は、安全な人工知能システムを構築する上で重要である。 本稿では,新しい観測結果に基づく簡易かつ効果的なアルゴリズムを提案する。 提案アルゴリズムは,OoD検出ベンチマークにおける最先端性能を実現する。
  論文  参考訳（メタデータ） (2020-11-30T09:47:20Z)
• ASFD: Automatic and Scalable Face Detector [129.82350993748258]
  ASFD(Automatic and Scalable Face Detector)を提案する。 ASFDはニューラルアーキテクチャ検索技術の組み合わせと新たな損失設計に基づいている。 ASFD-D0は120FPS以上で動作し、MobilenetはVGA解像度の画像を撮影しています。
  論文  参考訳（メタデータ） (2020-03-25T06:00:47Z)

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。