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

Kód výsledku v 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>

Výsledek na webu

<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

—

Jazyk výsledku

angličtina

Název v původním jazyce

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

Popis výsledku v původním jazyce

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.

Název v anglickém jazyce

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

Popis výsledku anglicky

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.

Druh

J_ost - Ostatní články v recenzovaných periodicích

CEP obor

—

OECD FORD obor

20205 - Automation and control systems

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)

Rok uplatnění

2022

Kód důvěrnosti údajů

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

Název periodika

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

ISSN

1213-1539

e-ISSN

—

Svazek periodika

24

Číslo periodika v rámci svazku

3

Stát vydavatele periodika

CZ - Česká republika

Počet stran výsledku

8

Strana od-do

94-101

Kód UT WoS článku

—

EID výsledku v databázi Scopus

—