시계열 불확실성 분포를 활용한 실시간 화재 추론 연구 (Real-time Fire Inference Research using Time Series Uncertainty Distribution)

서지정보

· 발행기관 : 한국정보기술학회
· 수록지 정보 : 한국정보기술학회논문지 / 22권 / 5호 / 131 ~ 137페이지
· 저자명 : 김종식, 강대성

초록

현재의 BNN(Bayesian neural network) 방식은 전통적인 DNN(Deep neural network) 방식에 비해 실시간 추론에 바로 적용하기 어려운 이유는 데이터의 분포를 찾는 과정에서 시간이 많이 소요되기 때문이다. 이를 개선하기 위하여 본 논문에서는 BNN에 실시간 추론을 위한 시계열 분석 기법을 적용하여 화재 동영상에서 프레임 단위로 데이터의 분포를 실시간 추론하는 방식을 도입하였다. BNN-시계열 방식은 화재의 확산 특성인 시간적 일관성을 이용하여 동영상 프레임 단위로 시계열 불확실성 분포를 예측하고 불확실성이 높은 특정 BB(Bounding box)에 대해서만 BB를 보류하거나 변경하는 방식으로 추론의 정확도를 개선하였다. 그 결과 기존 DNN 추론 방식에 비해 BNN-시계열 추론 방식은 시간상으로는 동일하나 인식률에서는 기존 추론 검출 성능 대비 약 7% 개선된 결과를 얻었다.

영어초록

The reason why the current Bayesian Neural Network(BNN) method is difficult to apply directly to real-time reasoning compared to the traditional Deep Neural Network(DNN) method is that the process of finding the distribution of data takes a lot of time. To improve this, this paper introduces a method of real-time inference of the distribution of data in frame units from fire videos by applying a time series analysis technique for real-time inference to BNN. The BNN-time series method predicts the time series uncertainty distribution in units of video frames using temporal consistency, which is the diffusion characteristic of fire. The accuracy of inference was improved by withholding or changing BB only for specific Bounding Boxes(BB) with high uncertainty. As a result, compared to the existing DNN inference method, the BNN-time series inference method is the same in time, but the recognition rate improves by about 7% compared to the existing inference detection performance.

참고자료

· 없음