کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6864350 1439539 2018 30 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Early fire detection using convolutional neural networks during surveillance for effective disaster management
ترجمه فارسی عنوان
تشخیص زود هنگام آتش سوزی با استفاده از شبکه های عصبی پیچیده در طی نظارت برای مدیریت موثر بلافاصله
کلمات کلیدی
فراگیری ماشین، طبقه بندی عکس، چشم انداز یادگیری، یادگیری عمیق، شبکه های نظارت تشخیص آتش، مدیریت بحران،
ترجمه چکیده
فاجعه های آتش سوزی منجر به آلودگی های بشر می شود که باعث آسیب زیست محیطی، اجتماعی و اقتصادی می شود. برای به حداقل رساندن این تلفات، تشخیص زود هنگام آتش و پاسخ خودمونی مهم و مفید برای سیستم های مدیریت بحران است. بنابراین، در این مقاله، ما یک چارچوب تشخیص آتش اولیه را با استفاده از شبکه های عصبی کانولوشن دقیق برای دوربین های نظارت تصویری ارائه می دهیم که می تواند آتش را در محیط های مختلف محیط داخلی و خارجی تشخیص دهد. برای اطمینان از پاسخ مستقل، ما یک مکانیزم اولویت بندی سازگار برای دوربین ها در سیستم نظارت پیشنهاد می کنیم. در نهایت، ما یک الگوریتم انتخاب کانال پویا برای دوربین های مبتنی بر شبکه های رادیویی شناختی ارائه می دهیم، که اطمینان حاصل می شود که انتشار اطلاعات قابل اطمینان است. نتایج تجربی دقت بالاتر از طرح تشخیص آتش ما را در مقایسه با روش های پیشرفته تر نشان می دهد و قابلیت استفاده از چارچوب ما برای مدیریت موثر فاجعه آتش را تایید می کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
Fire disasters are man-made disasters, which cause ecological, social, and economic damage. To minimize these losses, early detection of fire and an autonomous response are important and helpful to disaster management systems. Therefore, in this article, we propose an early fire detection framework using fine-tuned convolutional neural networks for CCTV surveillance cameras, which can detect fire in varying indoor and outdoor environments. To ensure the autonomous response, we propose an adaptive prioritization mechanism for cameras in the surveillance system. Finally, we propose a dynamic channel selection algorithm for cameras based on cognitive radio networks, ensuring reliable data dissemination. Experimental results verify the higher accuracy of our fire detection scheme compared to state-of-the-art methods and validate the applicability of our framework for effective fire disaster management.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Neurocomputing - Volume 288, 2 May 2018, Pages 30-42
نویسندگان
, , ,