Interest in unmanned aerial vehicles (UAVs) has increased significantly. UAVs capable of autonomous operations have expanded their application areas as they can be easily deployed in various fields. The expansion of UAVs’ areas of operation also brings safety issues. Although legally prohibited places forUAV flights are defined, measures should be taken to detect violations. This study tested recently proposed methods that are used to detect objects from images on UV images, and their performances were discussed. We tested the models on a new dataset named GDrone that we created by collecting various images of drones. Two tested models, YOLOv6 and YOLOv7, have never been tested with a drone dataset. According to the experimental tests, the most successful model was YOLOv7 architecture, and its mAP (mean Average Precision) was 95.8% on GDrone dataset.
Unmanned aerial vehicles amateur drone detection convolutional neural networks UAW dataset
2021-FM-02
İnsansız hava araçlarına (İHA) olan ilgi önemli ölçüde artmıştır. Otonom çalışabilen İHA’lar, çeşitli alanlara kolaylıkla konuşlandırılabilmeleri nedeniyle uygulama alanlarını genişletmiştir. İHA’ların faaliyet alanlarının genişlemesi, aynı zamanda güvenlik sorunlarını da beraberinde getirmektedir. İHA uçuşları için yasaklanmış olan yerler yasal olarak tanımlanmış olsa da ihlallerin tespitine yönelik tedbirlerin alınması gerekmektedir. Bu çalışmada, ultraviyole görüntüler üzerinde nesnelerin tespit edilmesi için kullanılan ve son zamanlarda önerilen yöntemler test edilmiş ve performansları tartışılmıştır. Modelleri, çeşitli drone görüntülerini toplayarak oluşturduğumuz GDrone isimli yeni bir veri seti üzerinde test ettik. Test edilen YOLOv6 ve YOLOv7 modelleri daha önce bir drone veri seti ile test edilmemiştir. Deneysel testlere göre en başarılı model YOLOv7 mimarisi oldu ve GDrone veri kümesindeki mAP (ortalama hassasiyet) değeri %95,8 olarak belirlendi.
İnsansız hava araçları amatör drone tespiti evrişimli sinir ağları İHA veri seti
Gaziantep İslam Bilim ve Teknoloji Üniversitesi
2021-FM-02
Birincil Dil | İngilizce |
---|---|
Konular | Bilgisayar Yazılımı |
Bölüm | Araştırma Makalesi |
Yazarlar | |
Proje Numarası | 2021-FM-02 |
Yayımlanma Tarihi | 29 Aralık 2023 |
Gönderilme Tarihi | 29 Mart 2023 |
Yayımlandığı Sayı | Yıl 2023 |