Earticle

현재 위치 Home

Original Article

화재 탐지 영역의 이미지와 동영상 인식 사이 인공지능 모델 성능 비교 연구
A Comparative Study on Artificial in Intelligence Model Performance between Image and Video Recognition in the Fire Detection Area

첫 페이지 보기
  • 발행기관
    한국재난정보학회 바로가기
  • 간행물
    한국재난정보학회논문집 KCI 등재 바로가기
  • 통권
    제19권 4호 통권62호 (2023.12)바로가기
  • 페이지
    pp.968-975
  • 저자
    이정록, 이대웅, 정서현, 정상
  • 언어
    한국어(KOR)
  • URL
    https://www.earticle.net/Article/A442376

※ 기관로그인 시 무료 이용이 가능합니다.

4,000원

원문정보

초록

영어
Purpose: We would like to confirm that the false positive rate of flames/smoke is high when detecting fires. Propose a method and dataset to recognize and classify fire situations to reduce the false detection rate. Method: Using the video as learning data, the characteristics of the fire situation were extracted and applied to the classification model. For evaluation, the model performance of Yolov8 and Slowfast were compared and analyzed using the fire dataset conducted by the National Information Society Agency (NIA). Result: YOLO's detection performance varies sensitively depending on the influence of the background, and it was unable to properly detect fires even when the fire scale was too large or too small. Since SlowFast learns the time axis of the video, we confirmed that detects fire excellently even in situations where the shape of an atypical object cannot be clearly inferred because the surrounding area is blurry or bright. Conclusion: It was confirmed that the fire detection rate was more appropriate when using a video-based artificial intelligence detection model rather than using image data.
한국어
연구목적: 화재 탐지시 불꽃/연기의 오탐지율이 높은 것을 확인하고 오탐지율을 낮추기 위해 화재 상황 을 인식하여 분류하는 방법과 데이터셋을 제안하고자 한다. 연구방법: 동영상을 학습데이터로 활용하 여 화재 상황의 특징을 추출하여 분류모델에 적용하고, 평가는 한국정보화진흥원(NIA)에서 진행하는 화재 데이터셋을 이용하여 Yolov8, Slowfast의 모델 성능을 비교 및 분석하였다. 연구결과: YOLO는 배 경의 영향에 따라 탐지 성능이 민감하게 변화하며, 화재의 규모가 너무 크거나 작을 때에도 화재를 제대 로 감지하지 못했다. SlowFast는 동영상의 시간 축을 같이 학습하기 때문에 비정형 객체에 대해 주변이 흐리거나 밝아 형상을 명확하게 유추할 수 없는 상황에서도 우수하게 화재를 탐지하는 것을 확인했다. 결론: 화재 탐지율은 이미지 데이터 방식보다는 동영상 기반의 인공지능 인식(Detection) 모델을 활용 했을 때 더 적절했음을 확인했다.

목차

ABSTRACT
요약
서론
소개
관련 연구
본론
모델 사용
데이터셋 구성
성능평가
성능비교
결론
References

키워드

화재감지 화재상황인식 화재훈련 데이터 집합 인공지능 모델 오탐지율 Fire Detection Fire Situation Recognition Fire Training Dataset An Artificial Intelligence Model False-detection rate

저자

  • 이정록 [ Jeong Rok Lee | Research Director, Research Laboratory, AI Reader Co., Ltd, Seoul, Republic of Korea ]
  • 이대웅 [ Dae Woong Lee | Assistant manager, Research Laboratory, AI Reader Co., Ltd, Seoul, Republic of Korea ]
  • 정서현 [ Sae Hyun Jeong | Researcher, Research Laboratory, AI Reader Co., Ltd, Seoul, Republic of Korea ]
  • 정상 [ Sang Jeong | Research Professor, Department of Parliament ICT convergence safety, University of Chung-Ang, Seoul, Republic of Korea ] Corresponding author

참고문헌

자료제공 : 네이버학술정보

간행물 정보

발행기관

  • 발행기관명
    한국재난정보학회 [The Korean Society of Disaster Information]
  • 설립연도
    2005
  • 분야
    사회과학>사회복지학
  • 소개
    한국재난정보학회는 공공기관, 학계, 연구기관 그리고 민간관련회사 등의 상호협력과 유대강화를 통하여 국가 및 민간차원의 안전관련 재난정보 공유를 통한 재난사고에 대한 예방시스템 구축, 재난예방 관련 전문가 양성 교육, 연구용역 등 학문발전에 기여함을 목적으로 한다.

간행물

  • 간행물명
    한국재난정보학회논문집 [Journal of The Korean Society of Disaster Information]
  • 간기
    계간
  • pISSN
    1976-2208
  • 수록기간
    2005~2026
  • 등재여부
    KCI 등재
  • 십진분류
    KDC 338 DDC 361

이 권호 내 다른 논문 / 한국재난정보학회논문집 제19권 4호 통권62호

    피인용수 : 0건 (자료제공 : 네이버학술정보)

    함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.

      출처 : 네이버학술정보

        0개의 논문이 장바구니에 담겼습니다.

        페이지 저장
        소속기관 조회
        이용자님의 소속기관(단체)이 서비스에 가입되어 있는지 확인해 보십시오.
        기관회원에 소속되어 있는 이용자는 원문을 무료로 이용할 수 있습니다.