논문 상세보기
pp.612-618
해양 환경에서 발생하는 화재는 일반적인 화재 상황에 비해 빠르게 화염이 전파되기 때문에 초기 발견과 대응이 매우 중 요하다. 최근의 화재 감지 시스템은 카메라 센서와 딥러닝 검출 모델을 활용하여 개발되고 있지만, 해양 환경에 특화된 딥러닝 모델 을 학습하기 위해 해양 환경에서 화재 데이터를 실제로 수집하는 것은 기술적, 경제적 측면에서 어려움이 존재한다. 본 논문에서는 이러한 문제를 해결하기 위해 언리얼 엔진 기반 가상 데이터 생성 도구를 활용하여 가상 환경에서 해양 환경을 구축하고 여러 상황 의 시나리오에서 데이터를 수집하여 해양 환경 화재 가상 데이터셋을 구축하였다. 가상 데이터셋으로 학습한 RT-DETR-L 모델은 실 제 해양 환경에서 발생한 화재 상황을 수집하여 제작한 테스트 데이터셋에서 mAP50:95 0.529를 달성하였다. 또한 가상 데이터로 학습 한 검출 모델은 일반적인 화재 상황이나 항만시설에서 연기만 발생하는 상황에서도 화재를 검출하는 것을 볼 수 있었다. 이를 통해 실제 데이터가 아닌 가상 데이터셋을 사용하여 데이터셋을 구축하여도 해양 환경 화재와 같은 특수한 상황에서의 검출 모델 성능 향 상에 도움을 줄 수 있다는 것을 확인하였다.
Fires in marine environments spread more rapidly than those in typical settings, necessitating prompt detection and response. While camera-based sensors and deep learning detection models have advanced fire detection, collecting relevant marine fire data for specialized model training poses significant technical and financial challenges. This study addresses these challenges by employing a virtual environment generated through an unreal engine-based synthetic data generation tool. We developed a marine fire dataset by simulating diverse scenarios within this virtual setting. The RT-DETR-L model, trained on this synthetic dataset, achieved an mAP50:95 of 0.529 on a test set derived from real marine fire incidents. Additionally, the model exhibited proficiency in detecting fires not only in typical scenarios but also under conditions involving only smoke at port facilities. These findings highlight that synthetic datasets can effectively enhance detection model performance for specialized applications, such as fire detection in marine environments.
Abstract
1. 서 론
2. 관련 연구
2.1 화재 검출 데이터셋
2.2 가상 데이터셋
3. 데이터셋 개요
3.1 데이터셋 소개
3.2 데이터셋 생성 방법
3.3 데이터셋 구성
4. 실험 평가
4.1 실험 설정
4.2 가상 데이터셋 성능 비교
5. 결 론
Acknowledgement
References
