Computer Vision-based Characterization of Large-scale Jet Flames using a Synthetic Infrared Image Generation Approach

要約

危険物を含む産業活動中に発生する可能性のあるさまざまな種類の火災事故の中で、ジェット火災はあまり知られていない種類の1つです。
これは、ドミノ効果として知られる、より重大な一連の他の事故を生成するプロセスに関与していることが多いためです。
炎の衝突は通常ドミノ効果を引き起こし、ジェット火災はこれが起こる可能性を大幅に高めることができる特定の機能を提供します。
これらの機能は、リスク分析の観点から関連性が高くなり、適切な特性評価が重要なタスクになります。
ディープラーニングのアプローチは、ジェット火災の特性評価などのタスクに広く使用されるようになりました。
ただし、これらの方法は、データの量とラベルの品質に大きく依存します。
ジェット火災のデータ取得には、特に赤外線画像を使用する場合、費用のかかる実験が必要になります。
したがって、この論文では、生成的敵対的ネットワークを使用して、可視画像からもっともらしい赤外線画像を生成し、実験をより安価にし、他の潜在的なアプリケーションを可能にすることを提案します。
この結果は、可視カメラと赤外線カメラの両方を使用して実行された実験の結果を現実的に再現できることを示唆しています。
得られた結果を以前のいくつかの実験と比較し、同様の結果が得られたことを示しています。

要約(オリジナル)

Among the different kinds of fire accidents that can occur during industrial activities that involve hazardous materials, jet fires are one of the lesser-known types. This is because they are often involved in a process that generates a sequence of other accidents of greater magnitude, known as domino effect. Flame impingement usually causes domino effects, and jet fires present specific features that can significantly increase the probability of this happening. These features become relevant from a risk analysis perspective, making their proper characterization a crucial task. Deep Learning approaches have become extensively used for tasks such as jet fire characterization; however, these methods are heavily dependent on the amount of data and the quality of the labels. Data acquisition of jet fires involve expensive experiments, especially so if infrared imagery is used. Therefore, this paper proposes the use of Generative Adversarial Networks to produce plausible infrared images from visible ones, making experiments less expensive and allowing for other potential applications. The results suggest that it is possible to realistically replicate the results for experiments carried out using both visible and infrared cameras. The obtained results are compared with some previous experiments, and it is shown that similar results were obtained.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google