GAN 알고리즘을 활용한 딥러닝 기반 Yolo v7, Yolo v8 모델 화재 탐지 성능 분석 (Analysis of Fire Detection Performance of Deep Learning-based Yolo v7 and Yolo v8 Models using GAN Algorithm)

서지정보

· 발행기관 : 조선대학교 IT연구소
· 수록지 정보 : 정보기술융합공학논문지 / 14권 / 1호 / 13 ~ 21페이지
· 저자명 : 정도윤, 정 희자, 김 남호

초록

본 연구는 산업 재해 중에서도 특히 심각한 피해를 유발하는 화재 사고에 초점을 맞추고 있으며,
화재의 신속한 탐지와 대응은 재산 손실과 인명 피해를 최소화하는 데 있어서 필수적이다. 본 연구
에서는 Generative Adversarial Networks(GAN) 알고리즘을 활용하여 실제 화재 및 연기 이미
지로부터 높은 품질의 합성 화재 및 연기 이미지를 생성할 수 있도록 설계하였다. 생성된 이미지는
화재 탐지 모델의 학습 데이터로 사용되어, 실제 환경에서의 탐지 성능을 개선하는 데 이바지한다.
본 연구는 YOLO v7과 YOLO v8을 활용하여 화재 탐지 성능을 분석한다. 학습 결과로써 ‘all’ 클
래스의 mAP50 값은 YOLO v7에서 0.937, YOLO v8에서 0.966이고, ‘fire’ 클래스의 mAP 값
은 YOLO v7에서 0.958, YOLO v8에서 0.972이고, ‘smoke’ 클래스의 mAP 값은 YOLO v7에
서 0.916, YOLO v8에서 0.961로 측정되었다. 이를 통해 모델이 다양한 화재 및 연기 상황을 더
잘 이해하고, 실제 화재 발생 시 더 높은 정확도와 신속한 대응이 가능하게 된다. 본 연구는 화재
탐지 기술의 발전뿐만 아니라, GAN을 활용한 데이터 증강이 다양한 영상 처리 기반 탐지 시스템의
성능 개선에 기여할 수 있음을 보여준다.

영어초록

This study focuses on fire accidents, which cause severe damage among industrial
accidents, and rapid detection and response to fire is essential to minimize property loss
and human casualties. In this study, the Generative Adversarial Networks (GAN) algorithm
was designed to generate high-quality synthetic fire and smoke images from actual fire and
smoke images. The generated images are used as training data for the fire detection model,
contributing to improving detection performance in real environments. This study analyzes
fire detection performance using YOLO v7 and YOLO v8. As a training result, the mAP50
value of the 'all' class is 0.937 in YOLO v7 and 0.966 in YOLO v8, the mAP value of the
'fire' class is 0.958 in YOLO v7 and 0.972 in YOLO v8, and the mAP value of the 'smoke'
class is 0.972 in YOLO v8. It was measured as 0.916 in v7 and 0.961 in YOLO v8, which
allows the model to better understand various fire and smoke situations and enables higher
accuracy and faster response in the event of an actual fire. This study shows that, in
addition to developing fire detection technology, data augmentation using GAN can improve
the performance of various image processing-based detection systems.

참고자료

· 없음