Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Phân tích hình ảnh trên không để nhận diện nhà ở sử dụng big data, ảnh chụp UAV và mạng nơ-ron
Tóm tắt
Thị giác máy tính đã trải qua sự biến đổi đáng kể nhờ vào học sâu trong hai thập kỷ qua. Các mạng nơ-ron tích chập sâu đã được áp dụng thành công cho nhiều ứng dụng khác nhau để học các nhiệm vụ liên quan đến thị giác, chẳng hạn như phân loại hình ảnh, phân đoạn hình ảnh và phát hiện đối tượng. Các mô hình học sâu có thể tạo ra các kết quả tinh chỉnh bằng cách chuyển giao kiến thức cho các tập dữ liệu lớn chung. Nghiên cứu này nhằm tiến hành phân tích sâu sắc một thuật toán theo dõi dữ liệu lớn cho hình ảnh trên không của phương tiện bay không người lái (UAV) để phát hiện nhà ở bằng cách sử dụng mạng nơ-ron nhằm giải quyết độ chính xác và hiệu quả thấp của việc phát hiện thủ công tại các khu vực xa xôi bằng cách giảm thiểu các rủi ro về an ninh liên quan. Trong bối cảnh dữ liệu lớn, một phương pháp tiền xử lý dựa trên UAV được thảo luận cho hình ảnh sử dụng bộ lọc hướng dẫn. Để giảm thiểu tác động của biến dạng bức xạ lên màu sắc và độ sáng của hình ảnh trên không của các ngôi nhà từ UAV, một phương pháp ghép lịch sử được áp dụng. Phương pháp lọc hướng dẫn được sử dụng để giải quyết vấn đề các chi tiết hình ảnh của các ngôi nhà không rõ ràng sau khi làm mịn và lọc nhiễu hình ảnh trên không. Sau đó, một thuật toán phát hiện nhà dựa trên mạng nơ-ron sâu được áp dụng cho các hình ảnh UAV để phát hiện hình ảnh của nhà ở và thời gian tiêu tốn của hoạt động học sâu được xem xét trong bối cảnh dữ liệu lớn. Việc kết hợp tách biệt và tối ưu hóa tính toán với YOLOv2 cải thiện quá trình phát hiện hình ảnh nhà ở theo thời gian thực trong khi vẫn duy trì hiệu suất chính xác của hình ảnh trên không từ UAV để phát hiện nhà ở thông qua việc kết hợp khung phát hiện YOLOv2. Kết quả của các thí nghiệm chỉ ra rằng phương pháp được đề xuất có thể cải thiện hiệu suất và độ chính xác của việc phát hiện nhà ở sử dụng hình ảnh trên không và có một số ứng dụng thực tiễn nhất định.
Từ khóa
#thị giác máy tính #học sâu #mạng nơ-ron tích chập #phát hiện nhà ở #dữ liệu lớn #phương tiện bay không người lái #lọc hướng dẫn #ghép lịch sử #YOLOv2Tài liệu tham khảo
Ahmed F, Wei L, Niu Y, Zhao T, Zhang W, Zhang D, Dong W (2022) Toward fine-grained access control and privacy protection for video sharing in media convergence environment. Int J Intell Syst 37(5):3025–3049. https://doi.org/10.1002/int.22810
Ali M, Yin B, Kunar A, Sheikh AM et al (2020) Reduction of multiplications in convolutional neural networks. In: 2020 39th Chinese control conference (CCC). pp 7406–7411). IEEE.https://doi.org/10.23919/CCC50068.2020.9188843.
Aslam MS, Dai X, Hou J, Li Q, Ullah R, Ni Z, Liu Y (2020) Reliable control design for composite-driven scheme based on delay networked T-S fuzzy system. Int J Robust Nonlinear Control 30(4):1622–1642
Aslam MS, Tiwari P, Pandey HM, Band SS (2022) Observer-based control for a new stochastic maximum power point tracking for photovoltaic systems with networked control system. IEEE Trans Fuzzy Syst. https://doi.org/10.1109/TFUZZ.2022.3215797
Aslam MS, Tiwari P, Pandey HM, Band SS, El Sayed H (2023) A delayed Takagi–Sugeno fuzzy control approach with uncertain measurements using an extended sliding mode observer. Inf Sci 643:119204
Barbero-Garcia I, Kuschnerus M, Vos SE, Lindenbergh R (2023) Automatic detection of bulldozer-induced changes on a sandy beach from video using YOLO algorithm. Int J Appl Earth Obs Geoinf 117:103185. https://doi.org/10.1016/j.jag.2023.103185
Bilal H, Yin B, Kumar A, Ali M, Zhang J, Yao J (2023) Jerk-bounded trajectory planning for rotary flexible joint manipulator: an experimental approach. Soft Comput 27(7):4029–4039. https://doi.org/10.1007/s00500-023-07923-5
Bobkov AV, Aung Kh (2022) Real-time person identification by video image based on YOLOv2 and VGG 16 networks. Autom Remote Control 83(10):1567–1575. https://doi.org/10.1134/S00051179220100095
Chen G, Zhai XB, Li C (2023) Joint optimization of trajectory and user association via reinforcement learning for UAV-aided data collection in wireless networks. IEEE Trans Wirel Commun 22(5):3128–3143. https://doi.org/10.1109/TWC.2022.3216049
Chen F, Lu Y, Li Y, Xie X (2001) Real-time active detection of targets and path planning using UAVs. In: IEEE international conference on robotics and automation, ICRA 2021, Xi’an, China, May 30–June 5, 2021. IEEE, pp 391–397. https://doi.org/10.1109/ICRA48506.2021.9561365
Cheng B, Li Z, Xu B, Dang C, Deng J (2022) Target detection in remote sensing image based on object-and-scene context constrained CNN. IEEE Geosci Remote Sens Lett 19:1–5. https://doi.org/10.1109/LGRS.2021.3087597
Cui Z, Guan K, Oestges C, Briso-Rodríguez C, Ai B, Zhong Z (2022) Cluster-based characterization and modeling for UAV air-to-ground time-varying channels. IEEE Trans Veh Technol 71(7):6872–6883. https://doi.org/10.1109/TVT.2022.3168073
Deng L, Zhu H, Zhou Q, Li Y (2018) Adaptive top-hat filter based on quantum genetic algorithm for infrared small target detection. Multimed Tools Appl 77(9):10539–10551. https://doi.org/10.1007/s11042-017-4592-2
Galteri L, Seidenari L, Bertini M, Del Bimbo A (2017) Spatio-temporal closed-loop object detection. IEEE Trans Image Process 26(3):1253–1263. https://doi.org/10.1109/TIP.2017.2651367
He F, Mahmud MAP, Kouzani AZ, Anwar A, Jiang F, Ling SH (2022) An improved SLIC algorithm for segmentation of microscopic cell images. Biomed Signal Process Control 73:103464. https://doi.org/10.1016/j.bspc.2021.103464
Jaimes BRA, Ferreira JPK, Castro CL (2022) Unsupervised semantic segmentation of aerial images with application to UAV localization. IEEE Geosci Remote Sens Lett 19:1–5. https://doi.org/10.1109/LGRS.2021.3113878
Kellenberger B, Marcos D, Lobry S, Tuia D (2019) Half a percent of labels is enough: efficient animal detection in UAV imagery using deep CNNs and active learning. IEEE Trans Geosci Remote Sens 57(12):9524–9533. https://doi.org/10.1109/TGRS.2019.2927393
Kumar A, Shaikh AM, Li Y et al (2021) Pruning filters with L1-norm and capped L1-norm for CNN compression. Appl Intell 51:1152–1160. https://doi.org/10.1007/s10489-020-01894-y
Li L, Li W, Wang J, Chen X, Peng Q, Huang W (2023) UAV trajectory optimization for spectrum cartography: a PPO approach. IEEE Commun Lett 27(6):1575–1579. https://doi.org/10.1109/LCOMM.2023.3265214
Liu S, Qu J, Wu R (2022) HollowBox: an anchor-free UAV detection method. IET Image Proc 16(11):2922–2936. https://doi.org/10.1049/ipr2.12523
Luo X, Wu Y, Zhao L (2022a) YOLOD: a target detection method for UAV aerial imagery. Remote Sens 14(14):3240. https://doi.org/10.3390/rs14143240
Luo X, Wu Y, Wang F (2022b) Target detection method of UAV aerial imagery based on improved YOLOv5. Remote Sens 14(19):5063. https://doi.org/10.3390/rs14195063
Mao Y, Li X, Li Z, Li M, Chen S (2020) An anchor-free SAR ship detector with only 1.17 M parameters. In: Proceedings of the 2020 international conference on aviation safety and information technology, 2020, pp 182–186
Oppliger M, Gutknecht J, Gubler R, Ludwig M, Loeliger, T (2022) Sensor fusion of 3D time-of-flight and thermal infrared camera for presence detection of living beings. In: 2022 IEEE sensors, Dallas, TX, USA, October 30 - November 2, 2022, pp. 1–4, IEEE, doi: https://doi.org/10.1109/SENSORS52175.2022.9967309
Shi Y, Li X, Chen M (2023) SC-YOLO: a object detection model for small traffic signs. IEEE Access 11:11500–11510. https://doi.org/10.1109/ACCESS.2023.3241234
Tom AJ, George SN (2021) A three-way optimization technique for noise robust moving object detection using tensor low-rank approximation, l1/2, and TTV regularizations. IEEE Trans Cybern 51(2):1004–1014. https://doi.org/10.1109/TCYB.2019.2921827
Wang T, Wang X, Shi W, Zhao Z, He Z, Xia T (2020) Target localization and tracking based on improved Bayesian enhanced least-squares algorithm in wireless sensor networks. Comput Netw 167:1–10. https://doi.org/10.1016/j.comnet.2019.106968
Wang X, Li Y, Zhang N, Cong Y (2022a) An automatic target detection method based on multidirection dictionary learning for HFSWR. IEEE Geosci Remote Sens Lett 19:1–5. https://doi.org/10.1109/LGRS.2021.3062610
Wang G, Wei F, Jiang Y, Zhao M, Wang K, Qi H (2022b) A Multi-AUV maritime target search method for moving and invisible objects based on multi-agent deep reinforcement learning. Sensors 22(21):8562. https://doi.org/10.3390/s22218562
Wang HX, Cao J, Qiu C (2022c) Multi target detection method of aerial image based on improved YOLOv4. Electro Optics and Control 29(5):23–27
Wang L, Zhai Q, Yin B et al (2019) Second-order convolutional network for crowd counting. In: Proceedings of the SPIE 11198, fourth international workshop on pattern recognition, 111980T, 31 July 2019. https://doi.org/10.1117/12.2540362
Wu D, Yu L, Yu R, Zhou Q, Li J, Zhang X, Ren L, Luo Y (2023) Detection of the monitoring window for pine wilt disease using multi-temporal UAV-based multispectral imagery and machine learning algorithms. Remote Sens 15(2):444. https://doi.org/10.3390/rs15020444
Xiao H, Li Y, Xiu Y, Xia Q (2023) Development of outdoor swimmers detection system with small object detection method based on deep learning. Multimed Syst 29(1):323–332. https://doi.org/10.1007/s00530-022-00995-7
Xu L, Wang J, Zhang H, Gulliver TA (2017) Performance analysis of IAF relaying mobile D2D cooperative networks. J Frankl Inst 354(2):902–916. https://doi.org/10.1016/j.jfranklin.2016.10.023
Yan F, Zhang H, Zhou T, Fan Z, Liu J (2021) Research on multiscene vehicle dataset based on improved FCOS detection algorithms. Complexity 2021:9167116:1-9167116:10. https://doi.org/10.1155/2021/9167116
Yao W, Guo Y, Wu Y, Guo J (2017) Experimental validation of fuzzy PID control of flexible joint system in presence of uncertainties. In: 2017 36th Chinese control conference (CCC), pp. 4192–4197).https://doi.org/10.23919/ChiCC.2017.8028015
Yin B, Aslam MS et al (2023) A practical study of active disturbance rejection control for rotary flexible joint robot manipulator. Soft Comput 27:4987–5001. https://doi.org/10.1007/s00500-023-08026-x
Yin B, Khan J, Wang, L, Zhang J, Kumar A (2019) Real-time lane detection and tracking for advanced driver assistance systems. In: 2019 Chinese control conference (CCC). IEEE, pp 6772–6777. https://doi.org/10.23919/ChiCC.2019.8866334
Zhang Q, Zhang H, Lu X, Han X (2022) Anchor-free small object detection algorithm based on multi-scale feature fusion. In: 2022 5th international conference on pattern recognition and artificial intelligence (PRAI), Chengdu, China, 2022, pp 370–374. https://doi.org/10.1109/PRAI55851.2022.9904251
Zhou X, Wang D, Krähenbühl P (2019) Objects as points. arXiv:1904.07850