FireLite: Leveraging Transfer Learning for Efficient Fire Detection in Resource-Constrained Environments

要約

火災の危険は、特に政情不安により発生の可能性が高まる輸送業界などの分野では非常に危険です。
IP カメラを採用して輸送車両への火災検知システムのセットアップを容易にすることで、火災による損失を事前に防ぐことができます。
ただし、これらのカメラ内の組み込みシステムの計算上の制約により、軽量の火災検知モデルの開発が必要です。
この問題に対処するために、限られたリソースで迅速な火災検知を行うために設計された低パラメータの畳み込みニューラル ネットワーク (CNN) である FireLite を紹介します。
98.77\% の精度で、トレーニング可能なパラメータがわずか 34,978 個しかない私たちのモデルは、驚くべきパフォーマンス数値を達成しました。
また、精度、再現率、および F1 スコアの測定では、検証損失が 8.74 で、ピークが 98.77 であることも示しています。
FireLite は、その精度と効率により、リソースが限られた環境における火災検知の有望なソリューションです。

要約(オリジナル)

Fire hazards are extremely dangerous, particularly in sectors such as the transportation industry, where political unrest increases the likelihood of their occurrence. By employing IP cameras to facilitate the setup of fire detection systems on transport vehicles, losses from fire events may be prevented proactively. However, the development of lightweight fire detection models is required due to the computational constraints of the embedded systems within these cameras. We introduce FireLite, a low-parameter convolutional neural network (CNN) designed for quick fire detection in contexts with limited resources, in response to this difficulty. With an accuracy of 98.77\%, our model — which has just 34,978 trainable parameters achieves remarkable performance numbers. It also shows a validation loss of 8.74 and peaks at 98.77 for precision, recall, and F1-score measures. Because of its precision and efficiency, FireLite is a promising solution for fire detection in resource-constrained environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google