REAL TIME FIRE DETECTION USING FASTER R-CNN MODEL

Bu çalışmanın amacı, Faster R-CNN kullanarak gerçek zamanlı bir yangın dedektörü geliştirmektir. Sistemin makine öğrenme süreci için; 1.000 resim insert ignore into journalissuearticles values(yangın ve yangın sahneleri dahil);, eğitim ve doğrulama için sırasıyla %80 ve 20 oranında kullanılmıştır. Makine öğrenme işlemi, NVidia GeForce GTX 1070 Ti`nin 17 GB dahili belleğe sahip özelliklerine sahip bir sistem kullanılarak gerçekleştirildi. Anaconda sanal ortamına gerekli yazılımlar insert ignore into journalissuearticles values(Python 3.5, Tensorflow 1.13.1, OpenCV, CUDA-cuDNN araç setleri); kuruldu. Görüntülerdeki yangın sahneleri, LabelImg yazılımı kullanılarak yangın ve yangın olmayan olarak etiketlendi. Eğitim sürecinin ölçümleri Tensorboard`dan alınmıştır. Eğitimde 40.000`lik adımlarla toplam zarar değeri 2`den 0,02`ye düşürüldü. Lost fonksiyonu 0.05 seviyesinden düşük olduğu için, çıkarım grafiği donmuş ve yangın kaynağını tespit etmek için dışa aktarılmıştır. Geliştirilen gerçek zamanlı yangın dedektörü modeli, yangın kaynağı olarak çakmak kullanılarak gerçek zamanlı olarak test edildi. Test sonuçlarında; doğruluğun % 99`u gelişmiş Faster R-CNN yangın dedektörü modeli kullanılarak elde edildi.