플레임파이더새로운 심층 메트릭 학습 시스템입니다.밀집한 연기로 막힌 불꽃, 소방용 드론에 의해 캡처 된 쌍 열 및 RGB 영상을 사용하여. 두꺼운 연기로 불꽃이 숨겨질 때 전통적인 RGB 카메라는 종종 실패합니다. 열 센서는 도움이되지만 세분화 명확성이 부족합니다.플레임파이더는 불꽃 서명 패턴과 열 대조에 민감한 메트릭 학습 모델을 훈련함으로써 그 격차를 극복합니다.arxiv.org.
이 시스템은 깊은 특징 내장 공간 내에서 트립렛과 센터 손실 기능을 사용하며, 주의 메커니즘과 결합합니다.모형은 불꽃 구조가 부분적으로 연기로 가려졌을 때에도 차별적인 표현을 학습합니다.그 결과, 화염 탐지 정확도는40.4~7%FLAME2 및 FLAME3 데이터 세트에서 기준선 (VGG19, ResNet18) 보다 arxiv.org.
실제 FlameFinder는 소방서에서 사용하는 드론이나 지상 로봇을 장착할 수 있습니다. 그것은 건물 화재나 산불과 같은 시야가 좋지 않은 상황에서 비중이 높은 연기의 뒤에 불을 인식합니다.공간적 인식을 향상 시킴으로써 팀이 더 안전하게 만들 수 있습니다., 더 빠른 의사결정.
이 시스템은안전에 중요한 애플리케이션을 위한 모달리티 퓨전과 메트릭 학습의 힘단순히 열사진의 문턱을 파악하는 대신, 모형은 부분적으로 막혀있더라도 불꽃이 어떻게 생겼는지에 대한 의미론을 학습합니다.주의 모듈은 더 이상 열-RGB 쌍의 가장 유익한 부분을 강조.
FlameFinder는 복잡한 환경에서 거짓 부정적을 줄일 수 있습니다. 다중 스펙트럼 데이터 또는 깊이 센서를 포함하도록 확장 될 수 있습니다. 실시간 경보 시스템과 결합하면스마트 소방 키트에서 표준 도구가 될 수 있습니다..
플레임파이더새로운 심층 메트릭 학습 시스템입니다.밀집한 연기로 막힌 불꽃, 소방용 드론에 의해 캡처 된 쌍 열 및 RGB 영상을 사용하여. 두꺼운 연기로 불꽃이 숨겨질 때 전통적인 RGB 카메라는 종종 실패합니다. 열 센서는 도움이되지만 세분화 명확성이 부족합니다.플레임파이더는 불꽃 서명 패턴과 열 대조에 민감한 메트릭 학습 모델을 훈련함으로써 그 격차를 극복합니다.arxiv.org.
이 시스템은 깊은 특징 내장 공간 내에서 트립렛과 센터 손실 기능을 사용하며, 주의 메커니즘과 결합합니다.모형은 불꽃 구조가 부분적으로 연기로 가려졌을 때에도 차별적인 표현을 학습합니다.그 결과, 화염 탐지 정확도는40.4~7%FLAME2 및 FLAME3 데이터 세트에서 기준선 (VGG19, ResNet18) 보다 arxiv.org.
실제 FlameFinder는 소방서에서 사용하는 드론이나 지상 로봇을 장착할 수 있습니다. 그것은 건물 화재나 산불과 같은 시야가 좋지 않은 상황에서 비중이 높은 연기의 뒤에 불을 인식합니다.공간적 인식을 향상 시킴으로써 팀이 더 안전하게 만들 수 있습니다., 더 빠른 의사결정.
이 시스템은안전에 중요한 애플리케이션을 위한 모달리티 퓨전과 메트릭 학습의 힘단순히 열사진의 문턱을 파악하는 대신, 모형은 부분적으로 막혀있더라도 불꽃이 어떻게 생겼는지에 대한 의미론을 학습합니다.주의 모듈은 더 이상 열-RGB 쌍의 가장 유익한 부분을 강조.
FlameFinder는 복잡한 환경에서 거짓 부정적을 줄일 수 있습니다. 다중 스펙트럼 데이터 또는 깊이 센서를 포함하도록 확장 될 수 있습니다. 실시간 경보 시스템과 결합하면스마트 소방 키트에서 표준 도구가 될 수 있습니다..
