Real Time Fire Detection Using Faster R-Cnn Model

OpenAlex İngilizce

Bu calismanin amaci, Faster R-CNN kullanarak gercek zamanli bir yangin dedektoru gelistirmektir. Sistemin makine ogrenme sureci icin; 1.000 resim (yangin ve yangin sahneleri dahil), egitim ve dogrulama icin sirasiyla %80 ve 20 oraninda kullanilmistir. Makine ogrenme islemi, NVidia GeForce GTX 1070 Ti'nin 17 GB dahili bellege sahip ozelliklerine sahip bir sistem kullanilarak gerceklestirildi. Anaconda sanal ortamina gerekli yazilimlar (Python 3.5, Tensorflow 1.13.1, OpenCV, CUDA-cuDNN arac setleri) kuruldu. Goruntulerdeki yangin sahneleri, LabelImg yazilimi kullanilarak yangin ve yangin olmayan olarak etiketlendi. Egitim surecinin olcumleri Tensorboard'dan alinmistir. Egitimde 40.000'lik adimlarla toplam zarar degeri 2'den 0,02'ye dusuruldu. Lost fonksiyonu 0.05 seviyesinden dusuk oldugu icin, cikarim grafigi donmus ve yangin kaynagini tespit etmek icin disa aktarilmistir. Gelistirilen gercek zamanli yangin dedektoru modeli, yangin kaynagi olarak cakmak kullanilarak gercek zamanli olarak test edildi. Test sonuclarinda; dogrulugun % 99'u gelismis Faster R-CNN yangin dedektoru modeli kullanilarak elde edildi.