Real-time Fire Inference Research using Time Series Uncertainty Distribution
Jong-Sik Kim, Dae-Seong Kang · The Journal of Korean Institute of Information Technology · 2024
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.