Vous consultez actuellement le contenu en tant qu'invité. Devenez membre pour bénéficier d'un accès supplémentaire et de fonctions réservées aux membres !

air-to-air-detection-model-900x519-1

Modèle léger de détection de cibles pour les drones air-air

Véhicule aérien léger sans pilote (air-air) détection des cibles est un modèle libre accès travail par Qing Cheng, Yazhe Wang, Wenjian He et Yu Bai.

L'expansion rapide de l'industrie des drones a entraîné une augmentation significative du nombre de drones à basse altitude, ce qui soulève des inquiétudes quant aux stratégies d'évitement des collisions et de contre-mesure parmi ces véhicules aériens sans pilote. Ces défis mettent en évidence le besoin urgent d'une détection efficace des cibles des drones air-air. Un modèle de détection idéal doit offrir une grande précision, des capacités en temps réel et une architecture de réseau légère pour équilibrer la précision et la vitesse sur les appareils embarqués.

Pour répondre à ces exigences, les auteurs ont constitué un ensemble de données de plus de 10 000 images de drones opérant à basse altitude. Cet ensemble de données comprend des arrière-plans divers et complexes, ce qui améliore considérablement la capacité d'apprentissage du modèle. Les auteurs ont appliqué une série d'améliorations à l'algorithme YOLOv5 pour parvenir à une détection d'objets légers.

Un nouveau réseau d'extraction de caractéristiques, CF2-MC, a été introduit pour rationaliser le processus d'extraction de caractéristiques, tandis qu'un module innovant, MG, dans la section de fusion des caractéristiques, a été conçu pour améliorer la précision de la détection et réduire la complexité du modèle. En outre, la fonction de perte originale CIoU a été remplacée par la fonction de perte EIoU afin d'améliorer encore la précision du modèle.

Les résultats expérimentaux ont démontré une amélioration de la précision de la détection des cibles de drones, atteignant des valeurs mAP de 95,4% sur l'ensemble de données UAVfly et de 82,2% sur l'ensemble de données Det-Fly. Enfin, les tests en conditions réelles sur le Jetson TX2 ont révélé que le modèle YOLOv5s-ngn atteignait une vitesse d'inférence moyenne de 14,5 millisecondes par image.

Date de publication- janvier 2024

Le modèle de détection des cibles des véhicules aériens légers sans pilote contient les sections principales suivantes :

  • Introduction
  • Travaux connexes
  • Jeu de données UAVfly
  • Méthodes
  • Résultats
  • Discussion
  • Disponibilité des données

Image d'après - Jeu de données UAVfly (Image d'après : auteurs)

Partager l'article :
Facebook
LinkedIn
X

Auteur

Articles connexes

sidebar-icon

Soumettre un contenu

Vous souhaitez soumettre un contenu original à C-UAS Hub ?

En matière de sensibilisation et de protection de l'espace aérien, nous pouvons tous tirer profit des connaissances, de l'expérience et des perspectives des autres acteurs de ce domaine émergent. Si vous disposez d'un contenu original, jamais publié, d'un leadership éclairé, d'une recherche, de rapports, de ressources multimédias ou de tout autre contenu intéressant sur la sensibilisation à l'espace aérien ou les contre-ASM, nous serions ravis d'en prendre connaissance.

Pour que votre travail soit pris en considération en vue d'une publication sur C-UAS Hub, veuillez envoyer un courriel contenant toutes les informations pertinentes à l'adresse suivante pr@cuashub.com. Nous répondrons à votre courriel dès que possible.

Nous vous remercions,
Personnel du C-UAS Hub