ハードウェア初出 6/13 02:48
HumP-KD：効率的な火災分類のためのハイブリッド不確実性認識マルチステージプログレッシブ知識蒸留フレームワーク
HumP-KD: A Hybrid Uncertainty-Aware Multi-Stage Progressive Knowledge Distillation Framework for Efficient Fire Classification
https://export.arxiv.org/api/query2026/6/13
AI要約
リソース制約のあるハードウェアでも展開可能な、高精度かつ計算効率の良いリアルタイム火災分類システムを目指し、「HumP-KD」というハイブリッド不確実性対応マルチステージ知識蒸留フレームワークを提案しています。2つのデータセットで評価され、効率的な火災分類の実現に貢献します。
AI要点
- 火災分類の高精度化と計算効率化を目指す「HumP-KD」フレームワークを提案
- ハイブリッド不確実性対応マルチステージ知識蒸留を採用
- リソース制約のあるハードウェアへの展開を可能にする
- 2つのデータセットで評価され、リアルタイム火災分類に貢献
なぜ重要か
リソースが限られた環境でも高精度な火災分類をリアルタイムで実現するシステムを可能にし、早期発見・消火活動の迅速化に貢献する可能性があるため。