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

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F22%3APU146586" target="_blank" >RIV/00216305:26220/22:PU146586 - isvavai.cz</a>

Result on the web

<a href="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-/" target="_blank" >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-/</a>

DOI - Digital Object Identifier

—

Result language

angličtina

Original language name

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

Original language description

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.

Czech name

—

Czech description

—

Type

J_ost - Miscellaneous article in a specialist periodical

CEP classification

—

OECD FORD branch

20205 - Automation and control systems

Project

<a href="/en/project/FW01010548" target="_blank" >FW01010548: Detection, identification and tracking of objects from UAV by machine vision</a><br>

Continuities

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Publication year

2022

Confidentiality

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Name of the periodical

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

ISSN

1213-1539

e-ISSN

—

Volume of the periodical

24

Issue of the periodical within the volume

3

Country of publishing house

CZ - CZECH REPUBLIC

Number of pages

8

Pages from-to

94-101

UT code for WoS article

—

EID of the result in the Scopus database

—