Proceedings of the Korea Information Processing Society Conference (한국정보처리학회:학술대회논문집)

  • 2024.05a
  • /
  • Pages.719-720
  • /
  • 2024
  • /
  • 2005-0011(pISSN)
  • /
  • 2671-7298(eISSN)
Korea Information Processing Society (한국정보처리학회)
권호 표지

IF2bNet: An Optimized Deep Learning Architecture for Fire Detection Based on Explainable AI

IF2bNet: 화재 감지를 위한 설명 가능 AI 기반 최적화된 딥러닝 아키텍처

  • Won Jin (Department of Fire and Disaster Prevention Engineering, Semyung University) ;
  • Mi-Hwa Song (Division of Computer Engineering, Hansung University)
  • 진원 (세명대학교 소방방재학과) ;
  • 송미화 (한성대학교 컴퓨터공학부)
  • Published : 2024.05.23
Download PDF
⟨ Previous Next ⟩

Abstract

센서 기반의 자동화재탐지설비의 역할을 지원할 목적으로, 합성곱 신경망 기반의 AI 화재 감시장비등이 연구되어왔다. ai 기반 화재 감지에 사용되는 알고리즘은 전이학습을 주로 이용하고 있고, 이는 화재 감지에 기여도가 낮은 프로세스가 내장되어 있을 가능성이 존재하여, 딥러닝 모델의 복잡성을 가중시키는 원인이 될 수 있다. 본 연구에서는 이러한 모델의 복잡성을 개선하고자 다양한 딥러닝 및 해석 기술들을 분석하였고, 분석 결과를 토대로 화재 감지에 최적화된 아키텍처인 "IF2bNet" 을 제안한다. 구현한 아키텍처의 성능을 비교한 결과 동일한 성능을 내면서, 파라미터를 약 0.1 배로 경량화 하여, 복잡성을 완화하였다.

Keywords

References

  1. 유수빈, 서승현, 유지나, 김재현. "CNN을 활용한실내화재 이미지 분석 알고리즘개발". 한국통신학회. 2022
  2. 최형규. "설명가능한 인공지능(Explainable AI : XAI) 연구동향과 시사점", 한국인공지능협회, pp4 ~ 13. 2021
  3. Leilani H. Gilpin, David Bau, Ben Z. Yuan, Ayesha Bajwa, Michael Specter and Lalana Kagal. "Explaining Explanations: An Overview of Interpretability of Machine Learning". Computer Science and Artificial Intelligence Laboratory Massachusetts Institute of Technology Cambridge. 2018
  4. Macha, D., Kozielski, M., Wrobel, L., & Sikora, M. "RuleXAI-A package for rule-based explanations of machine learning model.". Department of Computer Networks and Systems, Silesian University of Technology, Lukasiewicz Research Network. 2022
  5. Francois Chollet."Xception: Deep Learning with Depth wise Separable Convolutions". Proceedings of the IEEE Conference on Computer Vision and pattern Recognition. 2017