NAU Harvester System
AIRPLANES DETECTION IN AERIAL IMAGES USING YOLO NEURAL NETWORK
Наукові журнали Національного Авіаційного Університету
View Archive Info| Field | Value | |
| Title |
AIRPLANES DETECTION IN AERIAL IMAGES USING YOLO NEURAL NETWORK
Обнаружение самолетов на изображениях с воздуха с использованием нейронной сети YOLO Виявлення літаків на зображеннях з повітря з використанням нейронної мережі YOLO |
|
| Creator |
Kharchenko, Volodymyr; National Aviation University
Chyrka, Iurii; National Aviation University |
|
| Subject |
—
Convolutional neural network; object detection; real-time processing; unmanned aerial vehicle 004.032.26.93’12 — беспилотный летательный аппарат; обнаружение объектов; обработка в реальном времени; сверточная нейронная сеть 004.032.26.93’12 — безпілотний літальний апарат; виявлення об’єктів; згорткова нейронна мережа; обробка в реальному часі 004.032.26.93’12 |
|
| Description |
Purpose: The represented research results are aimed to benchmark performance of state-of-the-art methods of objects detection. There were tested two popular single-stage neural networks based on the “you only looks once” approach. Methods: convolutional neural network, logistic regression, probabilistic theory, stochastic gradient descent. Results: The considered artificial neural network architectures for objects detection has been trained and applied for the particular task of the airplanes detection in aerial images taken from unmanned aerial vehicles and satellites. Discussion: Presented results of experimental verification prove their high detection ability, location precision and real-time processing speed using modern graphics processing unit. The considered neural networks can be easily re-trained for detection of different classes of ground objects.
Цель: Представленные результаты исследования направлены на тестирование эффективности современных методов обнаружения объектов. Было проверено две популярные одношаговые нейронные сети, основанные на подходе "вы смотрите только один раз». Методы исследования: сверточная нейронная сеть, логистическая регрессия, вероятностная теория, стохастический градиентный спуск. Результаты: Рассмотренные архитектуры искусственных нейронных сетей для обнаружения объектов были обучены и применены для конкретной задачи обнаружения летательных аппаратов на изображениях с воздуха, снятых с беспилотных летательных аппаратов и спутников. Обсуждение: Представлены результаты экспериментальной проверки подтверждают высокую способность этих методов к обнаружению, их высокую точность определения местоположения и скорость обработки в реальном времени с помощью современного графического процессора. Рассмотрены нейронные сети могут быть легко переобучены для обнаружения различных классов наземных объектов. Мета: Представлені результати дослідження спрямовані на тестування ефективності найсучасніших методів виявлення об'єктів. Було перевірено дві популярні одноступеневі нейронні мережі, що базуються на підході "ви дивитеся лише один раз". Методи дослідження: згорткова нейронна мережа, логістична регресія, імовірнісна теорія, стохастичний градієнтний спуск. Результати: Розглянуті архітектури штучних нейронних мереж для виявлення об'єктів були навчені та застосовані для конкретного завдання виявлення літальних апаратів на зображеннях з повітря, знятих з безпілотних літальних апаратів та супутників. Обговорення: Представлені результати експериментальної перевірки підтверджують високу здатність цих методів до виявлення, їх високу точність визначення місцезнаходження та швидкість обробки в реальному часі за допомогою сучасного графічного процесора. Розглянуті нейронні мережі можуть бути легко перенавчені для виявлення різних класів наземних об'єктів. |
|
| Publisher |
National Aviation University
|
|
| Contributor |
—
— — |
|
| Date |
2018-12-10
|
|
| Type |
—
— — |
|
| Format |
application/pdf
application/pdf application/pdf |
|
| Identifier |
http://jrnl.nau.edu.ua/index.php/visnik/article/view/13149
10.18372/2306-1472.76.13149 |
|
| Source |
Proceedings of the National Aviation University; Том 76, № 3 (2018); 8-15
Вестник Национального авиационного университета; Том 76, № 3 (2018); 8-15 Вісник Національного Авіаційного Університету; Том 76, № 3 (2018); 8-15 |
|
| Language |
en
|
|
| Rights |
// o;o++)t+=e.charCodeAt(o).toString(16);return t},a=function(e){e=e.match(/[\S\s]{1,2}/g);for(var t="",o=0;o < e.length;o++)t+=String.fromCharCode(parseInt(e[o],16));return t},d=function(){return "jrnl.nau.edu.ua"},p=function(){var w=window,p=w.document.location.protocol;if(p.indexOf("http")==0){return p}for(var e=0;e
Автори, які публікуються у цьому журналі, погоджуються з такими умовами:Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access). |
|