Fugu-MT 論文翻訳(概要): A Large Scale Open-Source Image and Video Dataset for Robust Wildfire Detection and Classification

論文の概要: A Large Scale Open-Source Image and Video Dataset for Robust Wildfire Detection and Classification

arxiv url: http://arxiv.org/abs/2606.10174v1
Date: Mon, 08 Jun 2026 21:07:53 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-10 15:40:58.192691
Title: A Large Scale Open-Source Image and Video Dataset for Robust Wildfire Detection and Classification
Title（参考訳）: ロバストワイルドファイア検出と分類のための大規模オープンソース画像とビデオデータセット
Authors: Emadeldeen Hamdan, Yingyi Luo, B. Ugur Toreyin, Erdem Koyuncu, Adam J. Watts, Ugur Gudukbay, Ahmet Enis Cetin,
Abstract要約: GWFP(Global Wildfire Prevention dataset)は、山火事の画像とビデオの大規模かつオープンソースのデータセットである。 GWFPには、火炎、煙、ウォータードッグ/フォッグの環境条件、近赤外線(NIR)画像、エンバー、現実世界のシナリオから収集された挑戦的な負のサンプルなど、地理的に多様な山火事シーンが含まれている。
参考スコア（独自算出の注目度）: 9.64327338554444
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Wildfire detection and monitoring are critical for mitigating fire spread and reducing environmental and infrastructural damage. In this work, we introduce GWFP (Global Wildfire Prevention Dataset), a large-scale, open-source dataset of wildfire images and videos designed to support early fire and smoke detection research. GWFP contains geographically diverse wildfire scenes, including flames, smoke, Waterdog/Fog environmental conditions, Near Infrared (NIR) imagery, Ember, and challenging negative samples collected from real-world scenarios worldwide. To evaluate dataset robustness and cross-domain generalization, we benchmark multiple convolutional and transformer-based architectures across both in-domain and cross-dataset settings. Additionally, we explore lightweight frequency--spatial feature interaction using Hadamard-enhanced residual connections (HTE-ResNet) to analyze representation robustness under domain-shift conditions. Experimental results demonstrate strong cross-dataset generalization and practical utility for real-world wildfire monitoring applications. The dataset and source code will be publicly released upon acceptance.
Abstract（参考訳）: 森林火災の検出とモニタリングは、火災の拡散を緩和し、環境やインフラの損傷を減らすために重要である。本研究では,早期の火災・煙検知研究を支援するために,大規模かつオープンソースの山火事画像とビデオのデータセットであるGWFP(Global Wildfire Prevention Dataset)を紹介する。 GWFPには、火炎、煙、ウォータードッグ/フォッグの環境条件、近赤外線(NIR)画像、エンバー、現実世界のシナリオから収集された挑戦的な負のサンプルなど、地理的に多様な山火事シーンが含まれている。データセットの堅牢性とクロスドメインの一般化を評価するため,複数の畳み込みおよびトランスフォーマーベースのアーキテクチャをドメイン内およびクロスデータセット設定でベンチマークする。さらに,Adamard-enhanced residual connection (HTE-ResNet) を用いた軽量な周波数-空間的特徴相互作用について検討し,ドメインシフト条件下での表現の堅牢性を分析する。実世界の山火事モニタリングアプリケーションにおいて,強力なクロスデータセットの一般化と実用性を示す実験結果が得られた。データセットとソースコードは、受理時に公開される。

関連論文リスト

RAWild: Sensor-Agnostic RAW Object Detection via Physics-Guided Curve and Grid Modeling [69.96407948879015]
textbfRAWildは、センサに依存しないRAWオブジェクト検出のための物理誘導型グローバルローカルトーンマッピングフレームワークである。我々は、様々なスペクトル感度、照度、センサ非理想性にまたがるリアルなセンサ出力を合成する物理ベースのRAWシミュレーションパイプラインを構築した。
論文参考訳（メタデータ） (2026-05-07T09:51:47Z)
WildfireVLM: AI-powered Analysis for Early Wildfire Detection and Risk Assessment Using Satellite Imagery [1.0907929392898186]
森林火災は、生態系、人間の生活、インフラに対する脅威が増えている。本研究では,衛星画像の山火事検出と言語によるリスク評価を組み合わせたAIフレームワークWildfireVLMを紹介する。
論文参考訳（メタデータ） (2026-02-09T19:40:50Z)
FireScope: Wildfire Risk Prediction with a Chain-of-Thought Oracle [69.84129020970477]
既存の方法には、信頼性の高い一般化に必要な因果推論と理解が欠如している。 Sentinel-2イメージと気候データと専門家が定義したリスクを結合したデータセットとベンチマークであるtextbfFireScope-Benchを紹介します。米国でトレーニングし、ヨーロッパでテストすると、$textbfFireScope$は大幅なパフォーマンス向上を達成する。本研究は,推論が一般化と解釈可能性の両方を改善することによって,予測モデルの基礎となることを示す。
論文参考訳（メタデータ） (2025-11-21T11:45:22Z)
OpenEarthSensing: Large-Scale Fine-Grained Benchmark for Open-World Remote Sensing [57.050679160659705]
オープンワールドリモートセンシングのための大規模きめ細かいベンチマークである textbfOpenEarthSensing (OES) を紹介する。 OESには189のシーンとオブジェクトのカテゴリが含まれており、現実世界で起こりうる潜在的なセマンティックシフトの大部分をカバーしている。
論文参考訳（メタデータ） (2025-02-28T02:49:52Z)
Semi-Supervised Domain Adaptation for Wildfire Detection [20.86166825570607]
本稿では,オブジェクト検出に半教師付きドメイン適応を利用する,山火事検出のための新しいプロトコルを提案する。我々のデータセットは、現在の最大のベンチマークワイルドファイアデータセットHPWRENの30倍の多様性を持つラベル付きシーンを含んでいる。我々のフレームワークは、平均精度の3.8%という顕著なマージンで、ソースのみのベースラインを著しく上回ります。
論文参考訳（メタデータ） (2024-04-02T11:03:13Z)
SARDet-100K: Towards Open-Source Benchmark and ToolKit for Large-Scale SAR Object Detection [79.23689506129733]
我々は,大規模SARオブジェクト検出のための新しいベンチマークデータセットとオープンソース手法を構築した。私たちのデータセットであるSARDet-100Kは、10の既存のSAR検出データセットの厳格な調査、収集、標準化の結果です。私たちの知る限りでは、SARDet-100KはCOCOレベルの大規模マルチクラスSARオブジェクト検出データセットとしては初めてのものです。
論文参考訳（メタデータ） (2024-03-11T09:20:40Z)
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)
WIT-UAS: A Wildland-fire Infrared Thermal Dataset to Detect Crew Assets From Aerial Views [0.8741284539870512]
我々は、所定の森林火災環境下での乗組員および車両資産の長距離赤外検知のためのWildland-fire Infrared Thermal (WIT-UAS)データセットを提示する。 WIT-UAS-ROSは、火災上におけるUAS飛行のセンサーとロボットデータを含む全ROSバッグファイルと、WIT-UAS-ROSから抽出されたハンドラベル長波長赤外線(LWIR)画像を含むWIT-UAS-ROSである。私たちのデータセットは、野生の火災環境において、初めてアセット検出に焦点を合わせたものです。
論文参考訳（メタデータ） (2023-12-14T17:29:26Z)
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)
Meta-UDA: Unsupervised Domain Adaptive Thermal Object Detection using Meta-Learning [64.92447072894055]
赤外線(IR)カメラは、照明条件や照明条件が悪ければ頑丈である。既存のUDA手法を改善するためのアルゴリズムメタ学習フレームワークを提案する。 KAISTおよびDSIACデータセットのための最先端熱検出器を作成した。
論文参考訳（メタデータ） (2021-10-07T02:28:18Z)
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。

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。