Phát hiện drone nhiều kích thước sử dụng mạng YOLOv5
503 lượt xemDOI:
https://doi.org/10.54939/1859-1043.j.mst.80.2022.142-148Từ khóa:
Drone detection; Computer vision; YOLOv5; Complex neural network; IoU.Tóm tắt
Ngày nay, máy bay không người lái được sử dụng rộng rãi với nhiều mục đích khác nhau. Với công nghệ ngày càng hiện đại, được trang bị nhiều chức năng cao cấp, linh hoạt với thiết kế nhỏ gọn mà giá thành lại không quá đắt. Drone được sử dụng trong nhiều lĩnh vực với nhiều mục đích khác nhau, đặc biệt là trong lĩnh vực quân sự, các thế lực thù địch sử dụng nó để thăm dò địa hình, mang vật liệu nổ trái phép, có thể đe dọa đến an ninh. Thị giác máy tính có thể được áp dụng để phát hiện một cách hiệu quả máy bay không người lái bất hợp pháp trong nhiều điều kiện khác nhau và các kích thước đa dạng của máy bay không người lái. Một hệ thống dựa trên máy tính sử dụng camera hiện đại kết hợp với một mô hình thuật toán có thể giải quyết tốt bài toán phức tạp trong phát hiện máy bay không người lái. Bài báo này đề xuất một phương pháp tiếp cận mạng nơ-ron phức tạp mới nổi đó là Yolov5. Với phương pháp này, chúng tôi đã được một kết quả hết sức mong đợi (0,993 cho @0,5IOU), đáp ứng được yêu cầu trong bài toán phát hiện đối tượng.
Tài liệu tham khảo
[1]. Allahham, Mhd Saria et al. “Deep Learning for RF-Based Drone Detection and Identification: A Multi-Channel 1-D Convolutional Neural Networks Approach.” 2020 IEEE International Conference on Informatics, IoT, and Enabling Technologies (ICIoT), pp. 112-117, (2020).
[2]. A. Schumann, L. Sommer, J. Klatte, T. Schuchert, and J. Beyerer, "Deep cross-domain flying object classification for robust UAV detection," 2017 14th IEEE International Conference on Advanced Video and Signal Based Surveillance (AVSS), pp. 1-6, DOI: 10.1109/AVSS.2017.8078558. (2017).
[3]. Saqib, Muhammad et al. “A study on detecting drones using deep convolutional neural networks.” 2017 14th IEEE International Conference on Advanced Video and Signal Based Surveillance (AVSS), pp. 1-5, (2017).
[4]. Chaudhari, Sujata et al. “Yolo Real Time Object Detection.” International Journal of Computer Trends and Technology 68, pp. 70-76, (2020).
[5]. Huang, Xin et al. “PP-YOLOv2: A Practical Object Detector.” ArXiv abs/2104.10419, (2021).
[6]. Redmon, Joseph, Ali Farhadi. “YOLOv3: An Incremental Improvement.” ArXiv abs/1804.02767, (2018).
[7]. Bochkovskiy, Alexey et al. “YOLOv4: Optimal Speed and Accuracy of Object Detection.” ArXiv abs/2004.10934, (2020).
[8]. Chen, Yuwen et al. “Ship detection in optical sensing images based on YOLOv5.” International Conference on Graphic and Image Processing, (2021).
[9]. Aker, Cemal and Sinan Kalkan. “Using deep networks for drone detection”. 14th IEEE International Conference on Advanced Video and Signal Based Surveillance (AVSS), pp. 1-6, (2017).
[10]. Viet, Pham Van. “A Combination Of Faster R-Cnn And Yolov2 for Drone Detection in Images.” TNU Journal of Science and Technology, (2021).
[11]. Wang, Chien-Yao et al. “CSPNet: A New Backbone that can Enhance Learning Capability of CNN.” 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW), pp. 1571-1580, (2020).
[12]. Gao, Yan et al. “Decoupled IoU Regression for Object Detection.” Proceedings of the 29th ACM International Conference on Multimedia, (2021).
[13]. Jocher, Glenn R. et al. “Ultralytics/yolov5: v3.0.”, (2020).
[14]. “A Forest Fire Detection System Based on Ensemble Learning” - Scientific Figure on ResearchGate. Available from: https://www.researchgate.net/figure/The-network-architecture-of-Yolov5-It-consists-of-three-parts-1-Backbone-CSPDarknet_fig1_349299852.
[15]. Xu, Renjie & Lin, Haifeng & Lu, Kangjie & Cao, Lin & Liu, Yunfei. “A Forest Fire Detection System Based on Ensemble Learning. Forests”, Electronics, Close-Range Sensors and Artificial Intelligence in Forestry, (2021).
[16]. X. Farhodov, O. -H. Kwon, K. W. Kang, S. -H. Lee and K. -R. Kwon, "Faster RCNN Detection Based OpenCV CSRT Tracker Using Drone Data", International Conference on Information Science and Communications Technologies (ICISCT), pp. 1-3, (2019).
[17]. W. Budiharto, A. A. S. Gunawan, J. S. Suroso, A. Chowanda, A. Patrik and G. Utama, "Fast Object Detection for Quadcopter Drone Using Deep Learning", 3rd International Conference on Computer and Communication Systems (ICCCS), pp. 192-195, (2018).
