بهبود عملكرد شبكه‌ي YOLOv5n براي تشخيص اشيا در تصاوير هوايي مه‌آلود

اصفهان : دانشگاه صنعتي اصفهان

مهندسي برق

كارشناسي ارشد

امروزه پهپاد‌ها در حوزه‌هاي مختلفي مانند كشاورزي، نظامي، ساخت‌وساز و حمل‌ونقل استفاده مي‌شوند. با توجه به گسترش روز‌ افزون پهپاد‌ها، تشخيص اشيا يكي از زيرشاخه‌هاي بينايي كامپيوتر است كه براي هوشمندسازي آن‌ها بسيار پركاربرد است. با توجه به محدوديت پهپادها، كامپيوترهاي تك-بوردي بهترين سخت‌افزار پردازشي براي پياده‌سازي و استفاده از شبكه‌هاي هوش مصنوعي در پهپادها هستند. شبكه‌ي YOLOv5n بهترين انتخاب براي تشخيص اشيا با سرعت بيش از 30 فريم بر ثانيه با استفاده از كامپيوتر تك-بوردي Nvidia Jetson Nano است. اما اين شبكه در تصاوير مه‌آلود نسبت به تصاوير بدون مه، افت دقت نسبتاً زيادي دارد. هدف اصلي از انجام اين پژوهش، بهبود دقت YOLOv5n براي تشخيص اشيا، در تصاوير مه‌آلود جمع‌آوري‌شده توسط پهپادهاي كوچك است. در روش پيشنهادي، شبكه‌اي براي مه‌زدايي به شبكه‌ي YOLOv5n اضافه شده و در پايان فرآيند سه مرحله‌ايِ آموزش حذف شده‌است. در مرحله‌ي اول آموزش، ستون‌فقرات و شبكه‌ي مه‌زدا، در مرحله‌ي دوم گردن و سر و در مرحله‌ي سوم با داده‌هايي كه به سه روش مختلف به آن‌ها مه اضافه شده‌است، كل شبكه آموزش داده شده‌است. ملاك ارزيابي در اين پژوهش به‌ترتيب اولويت، سرعت استنتاج و دقت است. ساير روش‌هاي موجود، سرعت كمتري نسبت به روش پيشنهادي اين پژوهش دارند. در اين پژوهش دقت YOLOv5n در تصاوير هوايي مه‌دار حدود 13 درصد بهبود داده شده‌است، بدون آنكه سرعت استنتاج كاهش يافته‌باشد.

228191

مخابرات

مهندسي برق و كامپيوتر

دانشگاه صنعتي اصفهان