FlameFinderÉ um novo sistema de aprendizagem métrica profunda concebido para identificarChamas de incêndio ocultas por fumaça densaAs câmeras RGB tradicionais muitas vezes falham quando as chamas são escondidas por fumaça espessa; os sensores térmicos ajudam, mas não têm clareza de segmentação.O FlameFinder preenche essa lacuna treinando um modelo de aprendizagem métrica sensível a padrões de assinatura de chama e contraste térmicoArxiv.org.
O sistema utiliza funções de perda tripla e central dentro de um espaço de incorporação de características profundas, combinado com mecanismos de atenção.O modelo aprende representações discriminatórias das estruturas de chama mesmo quando estão parcialmente obscurecidas pela fumaçaO resultado: a precisão da detecção de chamas melhora em cerca de4.4 ∙ 7%em relação à linha de base (VGG19, ResNet18) nos conjuntos de dados FLAME2 e FLAME3 Arxiv.org.
Na prática, o FlameFinder poderia equipar drones ou robôs terrestres utilizados pelos serviços de incêndio.Uma maior consciência espacial ajuda as equipas a tornarem-se mais seguras, decisões mais rápidas.
Este sistema exemplifica aPotência da fusão de modalidades e aprendizagem métrica para aplicações críticas para a segurançaEm vez de simplesmente limitar as imagens térmicas, o modelo aprende a semântica de como é uma chama, mesmo que parcialmente oculta.Os módulos de atenção enfatizam ainda as partes mais informativas do par térmico-RGB.
Operacionalmente, o FlameFinder pode reduzir falsos negativos em ambientes complexos.Poderia tornar-se uma ferramenta padrão em kits inteligentes de combate a incêndios.
FlameFinderÉ um novo sistema de aprendizagem métrica profunda concebido para identificarChamas de incêndio ocultas por fumaça densaAs câmeras RGB tradicionais muitas vezes falham quando as chamas são escondidas por fumaça espessa; os sensores térmicos ajudam, mas não têm clareza de segmentação.O FlameFinder preenche essa lacuna treinando um modelo de aprendizagem métrica sensível a padrões de assinatura de chama e contraste térmicoArxiv.org.
O sistema utiliza funções de perda tripla e central dentro de um espaço de incorporação de características profundas, combinado com mecanismos de atenção.O modelo aprende representações discriminatórias das estruturas de chama mesmo quando estão parcialmente obscurecidas pela fumaçaO resultado: a precisão da detecção de chamas melhora em cerca de4.4 ∙ 7%em relação à linha de base (VGG19, ResNet18) nos conjuntos de dados FLAME2 e FLAME3 Arxiv.org.
Na prática, o FlameFinder poderia equipar drones ou robôs terrestres utilizados pelos serviços de incêndio.Uma maior consciência espacial ajuda as equipas a tornarem-se mais seguras, decisões mais rápidas.
Este sistema exemplifica aPotência da fusão de modalidades e aprendizagem métrica para aplicações críticas para a segurançaEm vez de simplesmente limitar as imagens térmicas, o modelo aprende a semântica de como é uma chama, mesmo que parcialmente oculta.Os módulos de atenção enfatizam ainda as partes mais informativas do par térmico-RGB.
Operacionalmente, o FlameFinder pode reduzir falsos negativos em ambientes complexos.Poderia tornar-se uma ferramenta padrão em kits inteligentes de combate a incêndios.