MétaCan
Menu
Retour à la cohorte
Enregistrement W4414015726 · doi:10.11159/mvml25.108

Multiple Image-Based Fire Head Detection and Contour-Based Spread Rate of Fire Head Area Estimation

2025· article· en· W4414015726 sur OpenAlexvenueno aff
Jeong Kyu Kim, Yoseob Heo, Jongseok Kang, Tae-Eung Sung

Notice bibliographique

RevueProceedings of the World Congress on Electrical Engineering and Computer Systems and Science · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueFire Detection and Safety Systems
Établissements canadiensnon disponible
Organismes subventionnairesNational Fire AgencyMinistry of Science and ICT, South KoreaMinistry of the Interior and Safety
Mots-clésHead (geology)Computer scienceComputer visionArtificial intelligenceFire detectionImage (mathematics)GeologyEngineeringArchitectural engineering

Résumé

récupéré en direct d'OpenAlex

The purpose of this study is to estimate the area of spread rate of fire head area from multiple images taken at the same location and under the same conditions, but with different times.To achieve it, the study is conducted as follows.First, specify the fire head in the image using deep learning model.Then make each polygon for each fire head by drawing contours and count the number of pixels belonging to the polygons to derive the pixel-based area.Then, convert the unit of area from pixel (px) to area (). to do this we studied how to convert based on an object with a known actual area.Finally, the area of fire head in the two images is compared to calculate the fire head area change and spread rate of fire head area.We expect this research to help provide information in large fires where rapid judgment is required.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,369
Score d'incertitude au seuil0,545

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,007
Tête enseignante GPT0,204
Écart entre enseignants0,197 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the World Congress on Electrical Engineering and Computer Systems and ScienceMême sujetFire Detection and Safety SystemsTravaux en français237 207