http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 노주형(Joohyung Roh) (검색결과 1 건)
- 무료
- 기관 내 무료
- 유료
-
합성곱 신경망 기반 화재 분류 모델의 예측성능에 관한 기초 연구
노주형(Joohyung Roh),김유경(Yukyung Kim),이민주(Minjoo Lee),이태헌(Taeheon Lee),공민석(Minsuk Kong) 한국화재소방학회 2022 한국화재소방학회 학술대회 논문집 Vol.2022 No.추계
최근 사회의 밀집화, 심층화, 고층화 등의 현상은 복합적이고 대규모적인 화재안전사고를 유발하고 있다. 이러한 화재안전사고의 피해를 최소화하기 위해서 조기 발견 및 진압을 위한 화재감지 기술에 관한 다양한 연구들이 수행되고 있다. 일반적으로 화재 시 발생하는 화염, 연기 및 열 등을 감지하는 기술을 활용한 단일 혹은 복합 감지 센서에 관한 연구가 많이 이루어지고 있으며 기술적 비용적 한계를 해결하기 위해 최근 컴퓨터 비전 기술을 활용한 화재감지 연구가 활발하게 진행되고 있다. 화재 이미지의 공간정보를 반영한 이미지 특징 추출을 통해 우수한 화재 예측성능을 갖는 합성곱 신경망 기반의 화재감지기술은 신뢰성을 확보하고 실 예측성능을 향상이 요구되고 있다. 본 연구에서는 합성곱 신경망 기반의 화재 이미지 분류 모델의 신뢰성 확보 및 성능향상을 목적으로 화재와 유사한 이미지 특성을 갖는 이미지 군들에 대한 추가적 학습이 분류 모델의 예측성능에 미치는 영향을 분석하였다. 이를 위해 화재를 나타내는 화염 및 연기 이미지뿐만 아니라 연무 및 빛 이미지 군을 추가하여 클래스 수 변경에 따른 분류 모델의 성능 비교를 수행하였으며 CNN 모델, 손실함수, 최적화법 등 분류 모델 알고리즘은 동일하게 적용하였다. 정밀도, 재현율, 정확도 등의 지표들을 이용하여 정량적으로 예측성능을 비교하였으며 혼동행렬을 이용하여 분류 모델의 예측 경향 및 상세 특징을 분석하였다. 이를 통해서 학습 클래스의 증가에 따라서 화재와 유사한 이미지에 대한 분류 예측성능이 향상됨을 확인하였다. 본 기초 연구결과를 기반으로 다른 신뢰성 및 성능향상 기술과의 연계를 통해 실 화재감지 적용 가능 분류 모델 개발을 위한 성능검증 및 개선을 진행할 계획이다.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
