딥러닝(DL)과 사물인터넷(IoT)의 빠른 발전은 시각 기반 시스템이 초기 단계에서 화재를 효율적으로 감지하고 대규모 재난을 예방할 수 있도록 해왔다. 이러한 IoT 기반 화재 감지 시스템을 구현하면 관련된 생태적, 사회적, 경제적 파괴를 상당히 줄일 수 있을 뿐 아니라, 지능형 교통시스템(ITSs)을 위한 스마트 모니터링 기능을 제공할 수 있다. 그러나 이러한 시스템을 배치하려면 AI 보조 엣지 장치에서 실시간 처리를 수행하기 위한 경량이고 비용 효율적인 합성곱 신경망(CNN)이 필요하다. 따라서 본 논문에서는 IoT를 지원하는 ITS 환경에 초점을 두어 조기 화재 감지 및 분할을 위한 효율적이고 경량화된 CNN 아키텍처를 제안한다. 우리는 층별 최적의 합성곱 커널 수를 고려하여 depth-wise separable convolution, point-wise group convolution, 그리고 채널 셔플링 전략을 효과적으로 활용함으로써 모델 크기와 연산 비용을 유의미하게 감소시킨다. 새롭게 개발한 데이터셋 및 기타 벤치마크 화재 분할 데이터셋에 대한 광범위한 실험 결과, 본 접근법이 최신 화재 분할 방법에 비해 효과성과 견고성을 입증한다. 또한 제안된 방법은 모델 효율성과 정확성 사이의 균형 잡힌 절충을 유지하여, ITSs에서의 IoT 기반 화재 재난 관리에 본 시스템이 더 적합하도록 한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.