Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Object Detection in Unmanned Aerial Vehicle Camera Stream Using Deep Neural Network

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F22%3APU146264" target="_blank" >RIV/00216305:26220/22:PU146264 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://ieeexplore.ieee.org/xpl/conhome/1800005/all-proceedings" target="_blank" >https://ieeexplore.ieee.org/xpl/conhome/1800005/all-proceedings</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/ICUMT57764.2022.9943463" target="_blank" >10.1109/ICUMT57764.2022.9943463</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Object Detection in Unmanned Aerial Vehicle Camera Stream Using Deep Neural Network

  • Popis výsledku v původním jazyce

    Nowadays, the world is experiencing an increasing boom in applications of artificial intelligence, especially deep learning. This is more and more used in many areas such as industry, medicine and security systems, etc. This article deals with object detection from Unmanned Aerial Vehicle (UAV) perspective. The whole system uses one camera, which is suitably positioned on the UAV to capture the scene. Image processing and subsequent object detection using the YOLOv4 model are performed on the Jetson Nano device. The device itself is relatively powerful, but to save the computing power of the device, the YOLOv4 neural network model was modified. The YOLOv4 model was trained on our own dataset. This training set was created specifically for UAV applications. The result of this work is a learned YOLOv4 neural network model designed for UAVs with regard to the used training set. The modified network model is also able to run in real-time and save computing power for possibly other UAV operations. All materials, dataset and scripts used in this work, are available at https://github.com/KicoSVK/object-detection-in-uav-using-yolov4.

  • Název v anglickém jazyce

    Object Detection in Unmanned Aerial Vehicle Camera Stream Using Deep Neural Network

  • Popis výsledku anglicky

    Nowadays, the world is experiencing an increasing boom in applications of artificial intelligence, especially deep learning. This is more and more used in many areas such as industry, medicine and security systems, etc. This article deals with object detection from Unmanned Aerial Vehicle (UAV) perspective. The whole system uses one camera, which is suitably positioned on the UAV to capture the scene. Image processing and subsequent object detection using the YOLOv4 model are performed on the Jetson Nano device. The device itself is relatively powerful, but to save the computing power of the device, the YOLOv4 neural network model was modified. The YOLOv4 model was trained on our own dataset. This training set was created specifically for UAV applications. The result of this work is a learned YOLOv4 neural network model designed for UAVs with regard to the used training set. The modified network model is also able to run in real-time and save computing power for possibly other UAV operations. All materials, dataset and scripts used in this work, are available at https://github.com/KicoSVK/object-detection-in-uav-using-yolov4.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    20205 - Automation and control systems

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/FW01010548" target="_blank" >FW01010548: Detekce, identifikace a sledování objektů z UAV pomocí strojového vidění</a><br>

  • Návaznosti

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

Ostatní

  • Rok uplatnění

    2022

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Proceedings of the 2021 13th International Congress on Ultra Modern Telecommunications and Control Systems and Workshops (ICUMT)

  • ISBN

    979-8-3503-9866-3

  • ISSN

    2157-023X

  • e-ISSN

  • Počet stran výsledku

    5

  • Strana od-do

    80-84

  • Název nakladatele

    IEEE

  • Místo vydání

    Valencia, Spain

  • Místo konání akce

    Valencia, Spain

  • Datum konání akce

    11. 10. 2022

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku