FIgLib 与 SmokeyNet：用于实时野火烟雾检测的数据集与深度学习模型
计算机视觉与模式识别
2022-05-17 v3
摘要
近年来，美国西部野火规模和发生频率显著增加。在高火灾风险日，微小的火源会迅速蔓延并失控。从初始烟雾及早发现火情有助于在火灾难以控制前做出响应。以往用于野火烟雾检测的深度学习方案受困于规模小或不可靠的数据集，难以将性能外推至真实场景。本工作中，我们提出 Fire Ignition Library（FIgLib），一个公开可用的数据集，包含近 25,000 张来自南加州固定视角摄像机的标注野火烟雾图像。我们还介绍了 SmokeyNet，一种利用摄像机图像时空信息进行实时野火烟雾检测的新型深度学习架构。在 FIgLib 数据集上训练时，SmokeyNet 优于同类基线并媲美人类表现。我们希望 FIgLib 数据集与 SmokeyNet 架构的公开能激发对野火烟雾检测深度学习方法进一步研究，从而催生缩短野火响应时间的自动通知系统。
引用
@article{arxiv.2112.08598,
title = {FIgLib & SmokeyNet: Dataset and Deep Learning Model for Real-Time Wildland Fire Smoke Detection},
author = {Anshuman Dewangan and Yash Pande and Hans-Werner Braun and Frank Vernon and Ismael Perez and Ilkay Altintas and Garrison W. Cottrell and Mai H. Nguyen},
journal= {arXiv preprint arXiv:2112.08598},
year = {2022}
}