論文の概要: Exploring State-of-the-art models for Early Detection of Forest Fires

• arxiv url: http://arxiv.org/abs/2511.20096v1
• Date: Tue, 25 Nov 2025 09:13:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-26 17:37:04.375161
• Title: Exploring State-of-the-art models for Early Detection of Forest Fires
• Title（参考訳）: 森林火災早期検出のための最先端モデルの検討
• Authors: Sharjeel Ahmed, Daim Armaghan, Fatima Naweed, Umair Yousaf, Ahmad Zubair, Murtaza Taj,
• Abstract要約: 本稿では,森林火災の早期同定のための視覚解析によるデータセットを提案する。 このデータセットをRed Dead Redemption 2などのゲームシミュレータを用いて合成した。 提案したデータセットにおける画像分類と局所化手法を比較した。
• 参考スコア（独自算出の注目度）: 0.8127745323109788
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: There have been many recent developments in the use of Deep Learning Neural Networks for fire detection. In this paper, we explore an early warning system for detection of forest fires. Due to the lack of sizeable datasets and models tuned for this task, existing methods suffer from missed detection. In this work, we first propose a dataset for early identification of forest fires through visual analysis. Unlike existing image corpuses that contain images of wide-spread fire, our dataset consists of multiple instances of smoke plumes and fire that indicates the initiation of fire. We obtained this dataset synthetically by utilising game simulators such as Red Dead Redemption 2. We also combined our dataset with already published images to obtain a more comprehensive set. Finally, we compared image classification and localisation methods on the proposed dataset. More specifically we used YOLOv7 (You Only Look Once) and different models of detection transformer.
• Abstract（参考訳）: 近年,火災検知にDeep Learning Neural Networksが用いられている。 本稿では,森林火災の早期検知システムについて検討する。 このタスク用に調整されたデータセットやモデルが不足しているため、既存のメソッドは検出に失敗する。 本研究ではまず,視覚的解析による森林火災の早期同定のためのデータセットを提案する。 広帯域火災の画像を含む既存の画像コーパスとは異なり、我々のデータセットは、火災の開始を示す煙煙と火災の複数の事例で構成されている。 このデータセットをRed Dead Redemption 2などのゲームシミュレータを用いて合成した。 また、データセットと既に公開された画像を組み合わせて、より包括的なデータセットを取得しました。 最後に,提案したデータセットにおける画像分類と局所化手法を比較した。 具体的には、YOLOv7(You Only Look Once)とさまざまな検出トランスフォーマーモデルを使用しました。

関連論文リスト

• Development and Application of a Sentinel-2 Satellite Imagery Dataset for Deep-Learning Driven Forest Wildfire Detection [0.0]
  深層学習(DL)による山火事検出のための森林山火事画像ペアの前後にラベル付き10,000枚以上の高解像度ラベル付き衛星画像データセットを構築した。 その結果, 森林火災の検出において, EF効率の高いNet-B0モデルが最も高い精度を92%以上達成できることが示唆された。
  論文  参考訳（メタデータ） (2024-09-24T18:25:02Z)
• Constructing a Real-World Benchmark for Early Wildfire Detection with the New PYRONEAR-2025 Dataset [0.0]
  PYRONEAR-2025は、画像とビデオの両方からなる新しいデータセットであり、煙管検出モデルのトレーニングと評価を可能にする。 i) 野火検出のための公共のカメラネットワークからの山火事のビデオ、(ii) 社内のカメラネットワークからの映像、(iii) 合成画像と実際の画像の一部。 このデータセットには5万のイメージに対する15万のマニュアルアノテーションが含まれており、640の山火事をカバーしている。
  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 [47.653092957888596]
  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)
• Wildfire Detection Via Transfer Learning: A Survey [2.766371147936368]
  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。
  論文  参考訳（メタデータ） (2023-06-21T13:57:04Z)
• Parents and Children: Distinguishing Multimodal DeepFakes from Natural Images [60.34381768479834]
  近年の拡散モデルの発展により、自然言語のテキストプロンプトから現実的なディープフェイクの生成が可能になった。 我々は、最先端拡散モデルにより生成されたディープフェイク検出に関する体系的研究を開拓した。
  論文  参考訳（メタデータ） (2023-04-02T10:25:09Z)
• 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)
• Unsupervised Wildfire Change Detection based on Contrastive Learning [1.53934570513443]
  山火事の深刻度を正確に評価することは, 火災発生地域における燃料条件のキャラクタリゼーションに寄与する。 本研究の目的は、高解像度マルチスペクトル衛星画像上に構築された自律システムを開発することである。
  論文  参考訳（メタデータ） (2022-11-26T20:13:14Z)
• A Multi-purpose Real Haze Benchmark with Quantifiable Haze Levels and Ground Truth [61.90504318229845]
  本稿では,ハズフリー画像とその場でのハズ密度測定を併用した,最初の実画像ベンチマークデータセットを提案する。 このデータセットはコントロールされた環境で生成され、プロの煙発生装置がシーン全体を覆っている。 このデータセットのサブセットは、CVPR UG2 2022 チャレンジの Haze Track における Object Detection に使用されている。
  論文  参考訳（メタデータ） (2022-06-13T19:14:06Z)
• 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)
• Data Augmentation for Object Detection via Differentiable Neural Rendering [71.00447761415388]
  注釈付きデータが乏しい場合、堅牢なオブジェクト検出器を訓練することは困難です。 この問題に対処する既存のアプローチには、ラベル付きデータからラベル付きデータを補間する半教師付き学習が含まれる。 オブジェクト検出のためのオフラインデータ拡張手法を導入し、新しいビューでトレーニングデータを意味的に補間する。
  論文  参考訳（メタデータ） (2021-03-04T06:31:06Z)

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。