Lekki bezzałogowy statek powietrzny powietrze-powietrze wykrywanie celu model jest otwarty dostęp praca Qing Cheng, Yazhe Wang, Wenjian He i Yu Bai.

Szybki rozwój branży dronów doprowadził do znacznego wzrostu liczby dronów na niskich wysokościach, budząc obawy o unikanie kolizji i strategie przeciwdziałania wśród tych bezzałogowych statków powietrznych. Wyzwania te podkreślają pilną potrzebę skutecznego wykrywania celów dronów powietrze-powietrze. Idealny model wykrywania musi oferować wysoką dokładność, możliwości w czasie rzeczywistym i lekką architekturę sieci, aby zrównoważyć precyzję i szybkość na urządzeniach wbudowanych.

Aby spełnić te wymagania, autorzy stworzyli zbiór danych zawierający ponad 10 000 obrazów dronów operujących na niskich wysokościach. Ten zbiór danych obejmuje różnorodne i skomplikowane tła, znacznie zwiększając możliwości szkoleniowe modelu. Autorzy zastosowali szereg ulepszeń w algorytmie YOLOv5, aby uzyskać lekkie wykrywanie obiektów.

Nowatorska sieć ekstrakcji cech, CF2-MC, została wprowadzona w celu usprawnienia procesu ekstrakcji cech, podczas gdy innowacyjny moduł, MG, w sekcji fuzji cech, został zaprojektowany w celu poprawy dokładności wykrywania i zmniejszenia złożoności modelu. Dodatkowo, oryginalna funkcja strat CIoU została zastąpiona funkcją strat EIoU w celu dalszego zwiększenia dokładności modelu.

Wyniki eksperymentalne wykazały lepszą dokładność wykrywania celów dronów, osiągając wartości mAP na poziomie 95,4% w zestawie danych UAVfly i 82,2% w zestawie danych Det-Fly. Wreszcie, testy w świecie rzeczywistym na Jetson TX2 wykazały, że model YOLOv5s-ngn osiągnął średnią szybkość wnioskowania wynoszącą 14,5 milisekundy na obraz.

Data publikacji- Styczeń 2024 r.

Lekki model wykrywania celów w bezzałogowych statkach powietrznych zawiera następujące główne sekcje:

• Wprowadzenie
• Powiązane prace
• Zbiór danych UAVfly
• Metody
• Wyniki
• Dyskusja
• Dostępność danych

Post Image - zestaw danych UAVfly (Post Image Credit: Autorzy)