[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 12، شماره 1 - ( 6-1401 ) ::
دوره 12 شماره 1 صفحات 156-139 برگشت به فهرست نسخه ها
ارائه یک روش مبتنی بر شبکه های یادگیری عمیق به منظور تشخیص پهپاد از داده های عمق
فرناز اشتری ماهینی*، فرهاد صمدزادگان، فرزانه دادرس جوان
چکیده:   (342 مشاهده)
امروزه پهپادها به دلیل مزایای فراوان و طیف گسترده­ای از کاربردها از قبیل نقشه­ برداری، کشاورزی و مدیریت بحران بسیار مورد توجه قرار گرفته­ اند و جایگزین بسیاری از روش­ های سنتی موجود گردیده­ اند. با این وجود گسترش پهپادها و ورود غیرمجاز آن‌ها به زیرساخت­ های مهم مانند ساختمان‌های دولتی می­ تواند زمینه تهدیدهای احتمالی را در تأمین امنیت عمومی جامعه ایجاد کند. از این رو تدابیر متقابل نظیر به‌کارگیری سامانه‌های تشخیص، محلی سازی و رهگیری پهپادهای کوچک بسیار حائز اهمیت است. در سال­های اخیر روش­ های تشخیص مبتنی بر شبکه‌های عصبی و رویکردهای یادگیری عمیق، توانایی قابل توجهی در حوزه تشخیص پهپاد از خود نشان داده است. از این رو در این تحقیق از یک روش تشخیص مبتنی بر شبکه­ های یادگیری عمیق پیچشی به منظور تشخیص پهپاد استفاده شده است. از سوی دیگر استفاده از تصاویر مرئی با مشکلاتی از قبیل وجود نواحی پنهان، پیش زمینه شلوغ و عدم امکان جداسازی پیش زمینه و مشکلات نور داخل تصویر مواجه هستند. هم­چنین سامانه‌های مبتنی بر تصویر حرارتی، با وجود بهره­ مندی از قدرت دید در شب، دارای قدرت تفکیک مکانی کمتری نسبت به تصویر مرئی می­باشند که روند تشخیص پهپاد را با مشکل دقت مواجه می­کند. اخیراً، استفاده از تصاویر عمق که چالش­ های مرتبط با تصاویر مرئی را ندارند و نشان­ دهنده میزان دوری و نزدیکی شئ تا دوربین هستند، بسیار مورد استقبال قرار گرفته است. در این پژوهش با استفاده از مجموعه تصاویر عمق شبیه‌سازی و واقعی و با استفاده از شبکه یادگیری عمیق YOLO(You Only Look Once) به تشخیص پهپاد، پرداخته شده است. تصاویر عمق واقعی در این پژوهش از طریق الگوریتم تناظر یابی شبه سراسری (SGM) به دست آمده و سرانجام اعتبار­سنجی مدل آموزش ­دیده، با انواع تصاویر عمق واقعی و شبیه‌سازی با سه نوع پهپاد در محیط داخل و خارج بررسی شده است. در نهایت نتایج حاصل از تشخیص پهپاد با شبکه یادگیری عمیق موردنظر در تصاویر عمق شبیه­ سازی به میانگین دقت 84 درصد، میانگین زمان 125 میلی‌ثانیه و در تصاویر عمق واقعی به میانگین دقت 74 درصد، میانگین زمان 133 میلی‌ثانیه رسید.
شماره‌ی مقاله: 10
واژه‌های کلیدی: تشخیص پهپاد، تصاویر عمق، یادگیری عمیق، شبکه یادگیری عمیق YOLO، الگوریتم تناظریابی SGM
متن کامل [PDF 1666 kb]   (94 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: فتوگرامتری و سنجش از دور
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Ashtari Mahini F, Samadzadegan F, Dadrasjavan F. Provide a Method Based on Deep Learning Networks to Detect Drones from Depth Data. JGST 2022; 12 (1) :139-156
URL: http://jgst.issge.ir/article-1-1082-fa.html

اشتری ماهینی فرناز، صمدزادگان فرهاد، دادرس جوان فرزانه. ارائه یک روش مبتنی بر شبکه های یادگیری عمیق به منظور تشخیص پهپاد از داده های عمق. نشریه علمی پژوهشی علوم و فنون نقشه برداری 1401; 12 (1) :156-139

URL: http://jgst.issge.ir/article-1-1082-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 12، شماره 1 - ( 6-1401 ) برگشت به فهرست نسخه ها
نشریه علمی علوم و فنون نقشه برداری Journal of Geomatics Science and Technology