近年来,美国西部野蛮火灾的大小和频率显着增加。在高火灾日,小火点火可以迅速增长并失控。早期检测初始烟雾的火点火可以帮助响应在难以管理之前对这种火灾进行响应。过去的野火烟雾检测的深入学习方法遭受了小型或不可靠的数据集,使得难以将性能推断为现实世界的情景。在这项工作中,我们展示了火点火图书馆(Figlib),这是一个近25,000个标记的野火烟雾图像的公共数据集,从南加州部署的固定视图相机看。我们还介绍了Smokeynet,一种新的深度学习架构,使用相机图像的时空信息,用于实时野火烟雾检测。在迪拉布数据集上培训时,SmokeyNet优于相当的基线和竞争对手的人类性能。我们希望Figlib数据集和Smokynet架构的可用性将激励进一步研究野火烟雾检测的深度学习方法,导致自动化通知系统,减少野火响应的时间。
translated by 谷歌翻译