利用先進(jìn)技術(shù)保家衛國:深度學(xué)習進(jìn)行小目標檢測(適合初學(xué)者入門(mén))
論文地址:https://arxiv.org/pdf/2201.03243v1.pdf
一種改進(jìn)且高效的基于深度學(xué)習的自主系統,該系統可以高精度地檢測和跟蹤非常小的無(wú)人機。
整體的介紹都比較基礎簡(jiǎn)單,初學(xué)者可以簡(jiǎn)單了解!
一、前言
如今,無(wú)人機等被廣泛用于各種用途,例如從航空圖像中捕獲和目標檢測等。這些小型ariel車(chē)輛輕松進(jìn)入公眾可能會(huì )造成嚴重的安全威脅。例如,關(guān)鍵地點(diǎn)可能會(huì )被混入公共場(chǎng)所的間諜使用無(wú)人機監控。
Study in hand提出了一種改進(jìn)且高效的基于深度學(xué)習的自主系統,該系統可以高精度地檢測和跟蹤非常小的無(wú)人機。所提出的系統由一個(gè)定制的深度學(xué)習模型“Tiny YOLOv3”組成,這是一種非??焖俚哪繕藱z測模型“You Look Only Once”(YOLO)被構建并用于檢測。目標檢測算法將有效地檢測無(wú)人機。與之前的YOLO版本相比,所提出的架構顯示出明顯更好的性能。在資源使用和時(shí)間復雜度方面得到了改進(jìn)。
二、背景
隨著(zhù)世界在融合最新技術(shù)的同時(shí)不斷進(jìn)步,安全系統也在快速發(fā)展,以利用創(chuàng )新的力量來(lái)應對可能出現的任何安全威脅。在過(guò)去的幾年里,無(wú)人機的使用量急劇增加,包括對公眾的可及性,這進(jìn)一步增加了其使用量。隨著(zhù)無(wú)人機使用量的增加,安全威脅也隨之增加。我們已經(jīng)看到了一些無(wú)人機飛越不同建筑物的事件,包括一些需要安全的敏感區域。
無(wú)人機還提出了許多威脅,包括無(wú)人機被用作毒品走私工具、入侵無(wú)人機導致它們爆炸或使用它們竊取敏感信息,無(wú)人機還被用于進(jìn)行非法監視,造成安全和隱私威脅。這些事件對安全和隱私構成了巨大威脅。因此,解決這些安全問(wèn)題的方法是檢測和跟蹤這些無(wú)人機,以便采取反制技術(shù)來(lái)阻止這些無(wú)人機,以確保安全和隱私。
此外,大多數安全或防御系統都具有檢測可能發(fā)生的威脅程度的能力,但是,很少有人能夠深入分析威脅。隨著(zhù)機器學(xué)習和人工智能的進(jìn)步,通過(guò)減少人為干預使此類(lèi)系統變得智能化,有效的目標檢測可以幫助提高安全系統的效率并執行更好的分析。
三、新框架分析
前期主要介紹了深度學(xué)習的一些基礎知識:
Image matrix convolution operation with multiplies filter matrix
Convolution with 3 x3 filter using Stride 2
ReLU operation
Max-Pooling
Fully Connected Layer
如上展示,盡管Tiny YOLOv3比YOLOv3快得多,但它因為它在2個(gè)尺度上執行檢測,并沒(méi)有提供更好的準確度。
為了更好地實(shí)現準確性,研究者引入了一個(gè)修改后的Tiny YOLOv3架構。該架構總共包括31層:16個(gè)卷積層,3個(gè)檢測層,其余是用最大池化和ReLU層。以前的YOLOV3微型架構由總共24層組成,其中包括13個(gè)卷積層、3個(gè)檢測層。
研究者修改了Tiny YOLOv3架構,通過(guò)使用前幾層的ReLU層提取特征,將在三個(gè)尺度上進(jìn)行檢測。這意味著(zhù)3個(gè)yolo層將負責檢測對象。錨框用于計算預測邊界框的寬度和高度。通常,YOLOv3為每個(gè)單元使用3個(gè)錨點(diǎn),這些錨點(diǎn)預測三個(gè)邊界框,總共9個(gè)錨點(diǎn)框。對于研究者的自定義目標檢測器,總共使用了6個(gè)錨框。
預測特征圖將分別為3個(gè)尺度上的13x13、26x26和52x52。隨著(zhù)網(wǎng)絡(luò )向前傳播圖像,在第一個(gè)yolo層,得到一個(gè)13x13的輸出特征圖。在放置第一個(gè)yolo層之后,對下一層進(jìn)行了兩倍的采樣,然后將具有相似大小的前一層的特征圖連接起來(lái)。對于第二個(gè)yolo層,得到26x26的輸出特征圖,在第三個(gè)yolo層,得到一個(gè)52x52的特征圖。這種架構比原始的yolov3架構更簡(jiǎn)潔、更小,后者在3個(gè)尺度上進(jìn)行檢測。此外,研究者的小而輕的架構可以檢測具有高置信度分數的小物體。
四、實(shí)驗
Results Evaluated
AVG FPS
*博客內容為網(wǎng)友個(gè)人發(fā)布,僅代表博主個(gè)人觀(guān)點(diǎn),如有侵權請聯(lián)系工作人員刪除。