要約
森林火災は「火災の断層」ともいわれる種類の災害であり、破壊力が強く、消火活動も極めて困難である。火災の領域分割（火災セグメンテーション）は、消防隊が火災の規模を把握し、合理的な消火計画を立案する上で有効である。そこで本研究では、深層学習に基づくリアルタイム火災セグメンテーション手法を提案する。この手法は、エンコーダ・デコーダ構造を持つDeepLabv3+の改良版であり、エンコーダネットワークは深層畳み込みニューラルネットワーク（CNN）とアトラス空間ピラミッドプーリング（Atrous Spatial Pyramid Pooling, ASPP）から構成されている。DeepLabv3+とは異なり、本研究では分割速度の向上を目的として、軽量ネットワークのMobileNetV3を用いて新たな深層CNNを構築し、アトラス畳み込み（Atrous Convolution）を導入しない。これにより、処理速度は向上するが、分割精度に悪影響を及ぼす可能性がある。そこで、分割精度の低下を補うため、元のデコーダネットワークを基盤とし、2種類の浅層特徴マップを追加することで、ネットワーク全体に豊富な火災特徴情報を保持させた。実験結果によれば、本手法は元のDeepLabv3+と比較して総合的な性能が優れており、特にネットワークの分割速度が顕著に向上し、約59FPSを達成した。