개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
...
저널정보
- 한국멀티미디어학회
- 멀티미디어학회논문지 학술저널
- 멀티미디어학회논문지 제26권 제8호
- 2023.08 887 - 897 (11page)
- DOI : 10.9717/kmms.2023.26.8.887
- 이용수
- 내서재
- 2
내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.
되었습니다. 내서재에서
삭제되었습니다.
내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.
되었습니다. 내서재에서
삭제되었습니다.
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록·키워드
오류제보하기
The nature of fire is amorphous and its characteristics vary based on the space, environment, and materials involved. Particularly, early fire detection is a crucial task in preventing large-scale accidents. However, there is a significant lack of learnable early fire datasets for machine learning approaches. This study presents an early fire detection system tailored to specific spaces, achieved through a digital twin-based automatic fire learning data generation model. The proposed method starts by automatically generating realistic particle simulations to create synthetic fire data in RGB-D images. These images are matched to the view angle of monitoring cameras to replicate the digital twin environment closely resembling the actual space. In essence, our approach produces synthetic fire data that captures diverse fire scenarios unique to each specific location. Subsequently, these datasets are employed for transfer learning, enhancing the capabilities of state-of-the-art detection models. The improved models are then deployed on AIoT devices within the real space. This spatially optimized synthetic fire data generation process enhances the accuracy and reduces false detection rates in comparison to existing fire detection models that lack adaptability to specific spaces.
목차
ABSTRACT
1. 서론
2. 관련 연구
3. 제안한 디지털 트윈 기반 화재 조기 검출 시스템
4. 실험 결과
5. 결론
REFERENCE
참고문헌 (0)
참고문헌 신청이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0102-2023-004-002035587
