Авторы

Модель обнаружения объектов в изображениях инфракрасного спектра, полученных беспилотными летательными аппаратами

Беспилотные летательные аппараты нашли широкое применение в различных областях мониторинга, разведки, дистанционного контроля. Для успешного решения этих задач ­БПЛА оборудованы мобильными системами компьютерного зрения и ­ЭВМ. Получаемые с их помощью снимки видимого диапазона могут быть недостаточно качественными из-за погодных условий или низкой освещенности. Таким образом, снимки инфракрасного спектра являются предпочтительным выходом. В статье представлена нейросетевая модель обнаружения объектов InfraDet_D на изображениях инфракрасного спектра, полученных с помощью ­БПЛА. В основу архитектуры модели InfraDet_D положена нейросетевая модель ­YOLO5, которая состоит из базового и промежуточного блоков, а также включает блок прогноза. Базовый блок создан на основе нейросетевой модели ­CSPDarknet-53 и предназначен для извлечения карт признаков из изображений на входе модели. Для описания промежуточного модуля предложено использовать нейронную сеть Bi-­FPN слияния карт признаков различного масштаба, полученных от базового блока. В архитектуру Bi-­FPN также предложено включить модули координатного внимания, что позволило повысить точность распознавания малых объектов, сохранив вычислительные требования для мобильных систем машинного зрения. Проведены численные эксперименты на наборе изображений в инфракрасном диапазоне ­HIT-­UAV, показавшие превосходство предложенной модели над такими моделями, как ­SSD, Faster ­RCNN, Retinanet, ­YOLO5. Компьютерные эксперименты показали, что модель способна распознавать объекты с точностью более 81,57 %. Читать дальше...