FIgLib & SmokeyNet: リアルタイム野生火災煙検知のためのデータセットと深層学習モデル

アメリカ西部における野生火災の規模と頻度は、近年劇的に増加しています。高火災リスクの日には、小さな火の点火が急速に成長し、制御不能になることがあります。初期の煙から火の点火を早期に検知することで、そのような火災に対する対応を支援し、管理が困難になる前に対処できます。過去の深層学習アプローチは、実世界のシナリオに対する性能の外挿を困難にする小さく不安定なデータセットに悩まされてきました。本研究では、南カリフォルニアに展開された固定ビューカメラから見た25,000枚近くのラベル付き野生火災煙画像の公開データセットである「Fire Ignition Library (FIgLib)」を紹介します。また、リアルタイムの野生火災煙検知のためにカメラ画像からの時空間情報を使用する新しい深層学習アーキテクチャ「SmokeyNet」も紹介します。FIgLibデータセットで訓練されたSmokeyNetは、比較可能なベースラインを上回り、人間の性能に匹敵します。FIgLibデータセットとSmokeyNetアーキテクチャの提供が、野生火災煙検知のための深層学習手法に関するさらなる研究を促進し、野生火災への対応時間を短縮する自動通知システムの実現につながることを期待します。