تشخیص اشیا و اهداف نظامی در تصاویر پهپاد های شناسایی با استفاده از الگوریتم های یادگیری عمیق هوش مصنوعی (YOLOV۸)
Publish place: national conference on emerging and disruptive science and technologies in the field of defense
Publish Year: 1403
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 52
This Paper With 17 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
EDST01_103
تاریخ نمایه سازی: 9 تیر 1403
Abstract:
هم اکنون پهپادهای اطلاعاتی و شناسایی درسازمان های نظامی و امنیتی برای اهداف مشخص و کارکردهای از پیش تعیین شده مورد استفاده قرار می گیرند. برای مدیریت موثر تمام این داده ها و تصاویر باید ایده ای در مورد محتوای آن داشته باشیم. الگوریتم های یادگیری عمیق هوش مصنوعی کلید موفقیت بر نظارت بر محتوای تولید شده توسط هواپیماهای بدون سرنشین هستند، در سال های اخیر شبکه های عصبی کانولوشنی به منزله مدل های قوی به منظور شناسایی و تشخیص اشیا در تصاویر به کار رفته اند. تشخیص اشیاء نظامی از تصاویر شناسایی پهپاد با چالش هایی از جمله کمبود داده های تصویری، تصاویر با کیفیت پایین و اشیاء کوچک مواجه است. برای رفع این چالش ها و دستیابی به این هدف ما یک مجموعه داده تصاویر عکس های هوایی ادوات زرهی را به تعداد ۷۲۳۶ عدد با وضوح تصویر ۶۴۰*۶۴۰ پیکسل به همراه حاشیه نویسی آنها در نظر گرفته و با استفاده از جدیدترین سیستم های پیشرفته تشخیص اشیا( YOLOV۸) آموزش را با ۳۰۰ دوره و طی زمان ۷۵ ساعت صورت پذیرفت و نتایج تجربی بر روی کلاس "tank" بر اساس mAp۵ و mAP۵۰-۹۵ به ترتیب ۹۵% و۷۴ % به دست آمد .درنهایت استفاده از الگوریتم های یادگیری عمیق (YOLOV۸)به عنوان یک روش برای شناسایی بلادرنگ اشیا و اهداف نظامی ، باعث می شود که فرایند تجزیه و تحلیل سناریوهای میدان نبرد برای فرماندهان با سرعت و دقت بالاتری انجام شود و در ارزیابی قدرت نظامی نیروهای دشمن بر اساس تعداد و نوع تجهیزات نظامی کمک موثری نماید.
Keywords:
Authors
ابراهیم آذری
دانشجوی کارشناسی ارشد سیستم اطلاعات جغرافیایی(GIS) دانشگاه خوارزمی تهران . ایران