Wildfire Detection Via Transfer Learning: A Survey

要約

この論文では、丘の上や森林の監視塔に設置された通常の可視範囲カメラを使用して山火事の検出に使用される、さまざまな公的に利用可能なニューラル ネットワーク モデルを調査します。
ニューラル ネットワーク モデルは ImageNet-1K で事前トレーニングされ、カスタムの wildfire データセットで微調整されています。
これらのモデルのパフォーマンスはさまざまな山火事画像セットで評価されており、この調査は山火事検出に転移学習を使用することに興味がある人に有益な情報を提供します。
Swin Transformer-tiny の AUC 値は最も高くなりますが、ConvNext-tiny はすべての山火事イベントを検出し、データセット内で誤警報率が最も低くなります。

要約(オリジナル)

This paper surveys different publicly available neural network models used for detecting wildfires using regular visible-range cameras which are placed on hilltops or forest lookout towers. The neural network models are pre-trained on ImageNet-1K and fine-tuned on a custom wildfire dataset. The performance of these models is evaluated on a diverse set of wildfire images, and the survey provides useful information for those interested in using transfer learning for wildfire detection. Swin Transformer-tiny has the highest AUC value but ConvNext-tiny detects all the wildfire events and has the lowest false alarm rate in our dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google