Fire Segmentation in Still Images

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26230%2F20%3APU135364" target="_blank" >RIV/00216305:26230/20:PU135364 - isvavai.cz</a>

Výsledek na webu

<a href="https://link.springer.com/chapter/10.1007%2F978-3-030-40605-9_3" target="_blank" >https://link.springer.com/chapter/10.1007%2F978-3-030-40605-9_3</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-030-40605-9_3" target="_blank" >10.1007/978-3-030-40605-9_3</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Fire Segmentation in Still Images

Popis výsledku v původním jazyce

In this paper, we propose a novel approach to fire localization in images based on a state of the art semantic segmentation method DeepLabV3. We compiled a data set of 1775 images containing fire from various sources for which we created polygon annotations. The data set is augmented with hard non-fire images from SUN397 data set. The segmentation method trained on our data set achieved results better than state of the art results on BowFire data set. We believe the created data set will facilitate further development of fire detection and segmentation methods, and that the methods should be based on general purpose segmentation networks.

Název v anglickém jazyce

Fire Segmentation in Still Images

Popis výsledku anglicky

In this paper, we propose a novel approach to fire localization in images based on a state of the art semantic segmentation method DeepLabV3. We compiled a data set of 1775 images containing fire from various sources for which we created polygon annotations. The data set is augmented with hard non-fire images from SUN397 data set. The segmentation method trained on our data set achieved results better than state of the art results on BowFire data set. We believe the created data set will facilitate further development of fire detection and segmentation methods, and that the methods should be based on general purpose segmentation networks.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/TE01020415" target="_blank" >TE01020415: Centrum kompetence ve zpracování vizuálních informací (V3C - Visual Computing Competence Center)</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2020

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Springer International Publishing

ISBN

978-3-030-40605-9

ISSN

—

e-ISSN

—

Počet stran výsledku

11

Strana od-do

27-37

Název nakladatele

Springer International Publishing

Místo vydání

Auckland

Místo konání akce

Auckland

Datum konání akce

10. 2. 2020

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—