Erweitert Klein Drohnen-Detektion Using Optimized YOLOv8 with Attention Mechanisms ist eine Open-Access-Zeitschrift Forschungsartikel von Fatin Najihah Muhamad Zamri, Teddy Surya Gunawan, Siti Hajar Yusoff, Ahmad A. Alzahrani, und Mira Kartiwi.

Der zunehmende Missbrauch von Drohnen stellt ein erhebliches Sicherheitsrisiko dar. Dazu gehören der illegale Transport verbotener Waren, die Störung bemannter Flugzeuge und die Gefährdung der öffentlichen Sicherheit. Diese Bedenken sind durch den zunehmenden Einsatz unbemannter Luftfahrzeuge (UAVs), vor allem wegen ihrer geringen Größe, eskaliert. Um diese Probleme anzugehen, wurden umfangreiche Forschung wurde durchgeführt, um effektive Drohnenerkennungssysteme zu entwickeln. Deep Learning, insbesondere durch das YOLO-Framework, ist für seine leichtgewichtige Architektur und Echtzeit-Erkennungsfähigkeiten bekannt.

Aufmerksamkeitsmechanismen haben sich in verschiedenen Studien als sehr vielversprechend für die Objekterkennung erwiesen. Diese Forschung konzentriert sich auf die Optimierung des YOLOv8n-Modells durch die Integration eines Aufmerksamkeitsmoduls in den Hals und die Erweiterung des Erkennungskopfes um einen zusätzlichen winzigen Erkennungskopf, wodurch die Effizienz des Modells bei der Erkennung kleiner Objekte verbessert wird. Es wurden mehrere Trainingssätze verwendet, um die effektivste Modellkonfiguration zu ermitteln, die verschiedene Aufmerksamkeitsmodule wie das Convolutional Block Attention Module (CBAM), ResBlock CBAM, Global Attention Mechanism (GAM) und Efficient Channel Attention (ECA) beinhaltet. Die Ergebnisse zeigen, dass das optimierte Modell, YOLOv8n + ResCBAM + hochauflösender Detektionskopf - bezeichnet als P2-YOLOv8n-ResCBAM - die mittlere Präzision (mAP) von 90,3% auf 92,6% signifikant verbessert. Obwohl sich durch diese Verbesserung der Modellkomplexität die Bilder pro Sekunde (fps) von 263 auf 166 verringerten, bleibt die Erkennungsgeschwindigkeit für Echtzeitanwendungen ausreichend. Das vorgeschlagene Modell unterscheidet effektiv zwischen Drohnen von Vögeln und spürt sie auf große Entfernungen genau auf, was sein Potenzial für die Verstärkung von Überwachungs- und Sicherheitsmaßnahmen aus der Luft unter Beweis stellt.

Datum der Veröffentlichung- Juli 2024

Enhanced Small Drone Detection Using Optimized YOLOv8 With Attention Mechanisms enthält die folgenden Hauptabschnitte:

  • Einführung
  • Visuelles Drohnen-Detektionssystem
  • Versuchsaufbau und Datenanalyse
  • Experimentelle Ergebnisse und Diskussion
  • Ergebnis der Modellvalidierung und des Einsatzes
  • Schlussfolgerung und zukünftige Arbeiten

Post Image- Die Entwicklung der YOLO-Familie und ein vereinfachtes Design des YOLO-Mechanismus (Post Image Credit: Authors)