Aplikace modelu neuronové sítě YOLO pro detekci a sledování objektů z perspektivy UAV

Aplikace modelu neuronové sítě YOLO pro detekci a sledování objektů z perspektivy UAV

Peer-reviewed article not indexed in WoS or Scopus

V současné době svět zažívá stále větší rozmach v oblasti využívání umělé inteligence, zejména hlubokého učení. Hluboké učení a jeho aplikace jsou stále více populární a využívané v mnoha oblastech, jako je například průmysl, lékařství nebo bezpečnostní systémy. Tento článek se zabývá problematikou detekce objektů z perspektivy bezpilotních letounů (Unmanned Aerial Vehicle, UAV). Celý systém je postaven na použití jedné kamery, která je umístěna na UAV tak, aby vhodným způsobem zachycovala snímanou scénu. Celé zpracování obrazu, detekce objektů pomocí modelu YOLOv4 (You Only Look Once 4. version) a následné další operace jsou prováděny na zařízení Jetson Nano. Model neuronové sítě YOLOv4 byl natrénován na vlastním připraveném datasetu. Tato trénovací množina byla vytvořena speciálně pro aplikace bezpilotních letounů. Výsledkem této práce je připravená anotovaná datová množina a naučený model neuronové sítě YOLOv4, který je primárně zaměřen na detekci objektů z perspektivy UAV. Výstupem práce je také implementovaný algoritmus, který dokáže s využitím natrénovaného modelu YOLOv4 sledovat trajektorii detekovaných objektů. Všechny použité materiály, datová sada a skripty použité v této práci jsou dostupné na https://github.com/KicoSVK/object-detection-tracking-in-uav-using-yolov4.

V současné době svět zažívá stále větší rozmach v oblasti využívání umělé inteligence, zejména hlubokého učení. Hluboké učení a jeho aplikace jsou stále více populární a využívané v mnoha oblastech, jako je například průmysl, lékařství nebo bezpečnostní systémy. Tento článek se zabývá problematikou detekce objektů z perspektivy bezpilotních letounů (Unmanned Aerial Vehicle, UAV). Celý systém je postaven na použití jedné kamery, která je umístěna na UAV tak, aby vhodným způsobem zachycovala snímanou scénu. Celé zpracování obrazu, detekce objektů pomocí modelu YOLOv4 (You Only Look Once 4. version) a následné další operace jsou prováděny na zařízení Jetson Nano. Model neuronové sítě YOLOv4 byl natrénován na vlastním připraveném datasetu. Tato trénovací množina byla vytvořena speciálně pro aplikace bezpilotních letounů. Výsledkem této práce je připravená anotovaná datová množina a naučený model neuronové sítě YOLOv4, který je primárně zaměřen na detekci objektů z perspektivy UAV. Výstupem práce je také implementovaný algoritmus, který dokáže s využitím natrénovaného modelu YOLOv4 sledovat trajektorii detekovaných objektů. Všechny použité materiály, datová sada a skripty použité v této práci jsou dostupné na https://github.com/KicoSVK/object-detection-tracking-in-uav-using-yolov4.

detekce objektů, sledování trajektorie objektů, bezpilotní letadlo, hluboké učení, konvoluční neuronová síť

detekce objektů, sledování trajektorie objektů, bezpilotní letadlo, hluboké učení, konvoluční neuronová síť

KIAC, M.; ŘÍHA, K.; PŘINOSIL, J.; MLÝNEK, P.; KŘÍŽ, P.; MRNUŠTÍK, J.

2023

27.12.2022

Brno

1213-1539

Elektrorevue - Internetový časopis (http://www.elektrorevue.cz)

24

3

Czech Republic

94

101

8

http://www.elektrorevue.cz/cz/clanky/zpracovani-signalu/0/aplikace-modelu-neuronove-site-yolo-pro-detekci-a-sledovani-objektu-z-perspektivy-uav--application-of-yolo-neural-network-model-for-object-detection-and-tracking-from-uav-perspective-/