Дата публикации в реестре: 2024-03-01T14:31:25Z

Аннотация:

В настоящей работе рассмотрены и протестированы актуальные архитектуры нейронных сетей для решения задачи обнаружения источников возгорания и задымления на ранних стадиях их распространения. Актуальность данного научного направления связана со значительными масштабами природных пожаров и подчёркивается потребностью в разработке средств мониторинга пожароопасной обстановки и оперативного реагирования на чрезвычайные ситуации. Для решения задачи распознавания пожароопасных ситуаций разработаны современные подходы, использующие алгоритмы глубокого обучения. Схема решения опирается на использование свёрточных нейронных сетей и предполагает классификацию изображений на 3 класса: огонь, дым и нейтральная ситуация. В настоящей работе для распознавания на изображениях огня и дыма предлагается использовать архитектуру FireSmokeNet, отличающуюся оптимизированным числом слоёв и требуемых вычислительных ресурсов. Приведены экспериментальные исследования, на основании результатов которых были выделены модели с лучшим значением точности и полноты классификации.

Тип: Article

Права: open access

Источник: Информационно-телекоммуникационные технологии и математическое моделирование высокотехнологичных систем