論文の概要: Attention-Based Spatio-Temporal Approach for Fire and Smoke Detection

• arxiv url: http://arxiv.org/abs/2610.20141v1
• Date: Wed, 14 Oct 2026 13:00:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:16.163486
• Title: Attention-Based Spatio-Temporal Approach for Fire and Smoke Detection
• Title（参考訳）: 注意に基づく火災・煙検知のための時空間的アプローチ
• Abstract要約: 本稿では,空間的特徴と時間的特徴を併用して,現場の煙や火災を検出する手法を提案する。 それぞれの部分のタスクは、モデルが堅牢なパフォーマンスを持つように、前の部分のエラーを減らすことである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In various industries, smoke and fire are two of the most important threats in the workplace. One of the common methods for detecting smoke and fire is the use of infrared thermal and smoke sensors, which cannot be used in outdoor applications. Therefore, the use of vision-based methods seems necessary. The problem of smoke and fire detection is spatiotemporal and requires spatiotemporal solutions. This paper presents a method that uses spatial features along with temporal-based features to detect smoke and fire in the scene. It consists of three main parts; the task of each part is to reduce the error of the previous part so that the final model has a robust performance. This method also uses transformer modules to increase the accuracy of the model. The results of our model show the proper performance of the proposed approach in solving the problem of smoke and fire detection and can be used to increase workplace safety.
• Abstract（参考訳）: 様々な産業において、煙と火は職場で最も重要な脅威である。 煙と火を検知する一般的な方法の1つは、屋外の用途では使用できない赤外線熱と煙のセンサーを使用することである。 したがって、視覚に基づく手法は必要と思われる。 煙と火災検知の問題は時空間的であり、時空間解が必要である。 本稿では,空間的特徴と時間的特徴を併用して,現場の煙や火災を検出する手法を提案する。 それぞれの部分のタスクは、最終モデルが堅牢なパフォーマンスを持つように、前の部分のエラーを減らすことである。 この手法はまた、モデルの精度を高めるためにトランスフォーマーモジュールを使用する。 本モデルでは,煙や火災検知の問題を解決するための手法として,提案手法の適切な性能を示すとともに,職場の安全向上に有効であることを示す。

関連論文リスト

• FireSentry: A Multi-Modal Spatio-temporal Benchmark Dataset for Fine-Grained Wildfire Spread Forecasting [41.82363110982653]
  本稿では,サブメーター空間とサブ秒時間分解能を特徴とする地域規模のマルチモーダル山火事データセットFireSentryを提案する。 FireSentryは、可視および赤外線のビデオストリーム、その場での環境測定、手動で検証されたファイアマスクを提供する。 FireSentry上に構築され、物理に基づく、データ駆動、生成モデルを含む包括的なベンチマークを構築します。
  論文  参考訳（メタデータ） (2025-12-03T02:02:47Z)
• PyroFocus: A Deep Learning Approach to Real-Time Wildfire Detection in Multispectral Remote Sensing Imagery [0.0]
  迅速かつ正確な山火事検出は、緊急対応と環境管理に不可欠である。 空中飛行と宇宙飛行のミッションでは、リアルタイムアルゴリズムは火災、活動的な火災、および発射後の条件を区別しなければならない。 火の分類を行い,火の放射力(FRP)レグレッションやセグメンテーションを施した2段パイプラインであるPyroFocusを導入する。
  論文  参考訳（メタデータ） (2025-12-02T21:59:45Z)
• Deciphering GunType Hierarchy through Acoustic Analysis of Gunshot Recordings [72.55205022155394]
  銃乱射事件や銃乱射事件は公共の安全にとって重大な脅威である。 現在の商用の銃弾検出システムは有効だが、しばしば禁止費用がかかる。 本研究は, ショット記録の音響解析を活用することで, 費用対効果について検討する。
  論文  参考訳（メタデータ） (2025-06-25T17:00:21Z)
• Mirror Target YOLO: An Improved YOLOv8 Method with Indirect Vision for Heritage Buildings Fire Detection [39.77603385164533]
  ミラーターゲットヨロ(mita-YOLO)と呼ばれる間接視覚に基づく火災検知手法を提案する。 MITA-YOLOは間接視覚展開と拡張検出モジュールを統合している。 鏡角を用いて間接的なビューを達成し、不規則空間における可視性に制限のある問題を解決する。
  論文  参考訳（メタデータ） (2024-11-21T10:23:00Z)
• 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)
• 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)
• STCNet: Spatio-Temporal Cross Network for Industrial Smoke Detection [52.648906951532155]
  本稿では,産業用煙排出ガスを識別する新しい時空間クロスネットワーク(STCNet)を提案する。 提案するSTCNetは, テクスチャの特徴を抽出する空間的特徴と, 煙の動き情報を捕捉する時間的経路を含む。 STCNetは、RISE産業煙検知データセットにおいて、最も優れた競合相手に対して6.2%の精度で明確な改善を実現していることを示す。
  論文  参考訳（メタデータ） (2020-11-10T02:28:47Z)
• Exploring Thermal Images for Object Detection in Underexposure Regions for Autonomous Driving [67.69430435482127]
  アンダーエクスポージャー地域は、安全な自動運転のための周囲の完全な認識を構築するのに不可欠である。 サーマルカメラが利用可能になったことで、他の光学センサーが解釈可能な信号を捉えていない地域を探索するための重要な代替手段となった。 本研究は,可視光画像から熱画像へ学習を伝達するためのスタイル伝達手法を用いたドメイン適応フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-01T09:59:09Z)

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。