Fire and Smoke Detection with YOLO Optimization and Federated Learning
연구 내용
YOLOv8/YOLOv10의 하이퍼파라미터를 베이지안 튜닝으로 최적화하고, 연합학습과 이미지 클러스터링으로 화재·연기를 분류하는 연구
화재는 환경·경제·인명에 큰 피해를 유발하므로 조기 탐지가 중요합니다. 연구실은 비디오 및 이미지 기반 객체 탐지에 활용되는 YOLO 모델의 학습 품질을 높이기 위해 베이지안 하이퍼파라미터 튜닝을 적용합니다. 이를 통해 입력 데이터 특성에 맞는 학습 구성을 자동 탐색하고, 더 큰 모델에서의 성능 향상 가능성을 함께 평가합니다. 또한 산업 현장처럼 데이터 분산이 발생하는 환경을 고려해 연합학습 구조에 이미지 클러스터링을 결합하여, 서버에서 가중치를 산출하고 클라이언트에서 분포 차이를 기반으로 분류 정확도를 개선하는 접근을 수행합니다.
관련 연구 성과
관련 논문
2편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기에는 딥러닝 기반 화재 탐지의 성능을 안정화하기 위해 YOLO 계열 모델을 대상으로 훈련 하이퍼파라미터 최적화 전략을 설계했습니다. 이후에는 대규모 데이터셋에서 튜닝 적용 시 성능 이득이 어떤 모델 규모에서 더 크게 나타나는지 비교하며, 조기 탐지 목적에 맞는 구성 요소를 정리했습니다. 병행하여 분산된 산업 데이터를 전제로 연합학습을 도입하고, 서버의 비전 인코더 특징 추출과 클러스터링 가중치 산출, 클라이언트의 로컬 클러스터링과 분포 차이 측정으로 분류 성능을 끌어올리는 흐름으로 확장했습니다. 최근에는 실시간 대응 관점에서 통합 탐지·분류 전략을 강화하고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Enhancing Fire Detection with YOLO Models: A Bayesian Hyperparameter Tuning Approach
Distributed Fire Classification and Localization Model Based on Federated Learning with Image Clustering