Зменшення кількості хибних викликів під час розв’язання задачі детектування полум’я у відеопотоці з використанням глибоких згорткових нейронних мереж

Abstract

Розроблено новий підхід до детектування полум’я на зображеннях, який ґрунтується на використанні згорткових нейронних мереж. Запропоновано структуру реалізації каскадного підходу до детектування вогню, яка забезпечує покращену ефективність розпізнавання на зображеннях з низькою роздільною здатністю, та об’єктів, які можуть візуально нагадувати полум’я. Проведено експерименти з дослідження запропонованого методу порівняно з сучасним методом детектування об’єктів Faster R-CNN. У результаті проведених експериментів було виявлено покращення показника ефективності в середньому на 20%.
In this paper, we develop a new approach for detecting fire in images based on convolutional neural networks. Cascade structure, which provides improved efficiency of recognition in images with low resolution and objects that can visually resemble flames, was proposed. We have performed an experimental comparison with the modern method of objects detecting Faster R-CNN. As a result of the experiments, it was found that performance of fire recognition improved on average by 20%.

Description

Keywords

комп’ютерний зір, нейронні мережі, детектування полум’я, computer vision, neural networks, flame detection

Citation

Максимів О. Зменшення кількості хибних викликів під час розв’язання задачі детектування полум’я у відеопотоці з використанням глибоких згорткових нейронних мереж / О. Максимів, Т. Рак, Д. Пелешко // Вісник Національного університету «Львівська політехніка». Серія: Комп’ютерні науки та інформаційні технології. — Львів : Видавництво Львівської політехніки, 2017. — № 864. — С. 268–276.