HyperAIHyperAI
il y a 17 jours

YOLO-Drone : Détection en temps réel d'objets petits denses depuis une perspective aérienne haute altitude

Li Zhu, Jiahui Xiong, Feng Xiong, Hanzheng Hu, Zhengnan Jiang
YOLO-Drone : Détection en temps réel d'objets petits denses depuis une perspective aérienne haute altitude
Résumé

Les véhicules aériens sans pilote (UAV), notamment les drones équipés de technologies de détection d’objets par télédétection, ont connu un développement rapide et s’imposent comme l’une des principales orientations de recherche en vision par ordinateur. Bien que les systèmes de télédétection par UAV soient capables de détecter divers objets, la détection fiable des objets de petite taille reste un défi en raison de facteurs tels que la taille réduite des objets, la dégradation d’image et les contraintes de temps réel. Pour surmonter ces limitations, un algorithme de détection d’objets en temps réel, baptisé YOLO-Drone, est proposé et appliqué à deux nouveaux plateformes UAV ainsi qu’à une source lumineuse spécifique (LED dorée à base de silicium). YOLO-Drone introduit plusieurs innovations : 1) un nouveau modèle principal (backbone) nommé Darknet59 ; 2) un nouveau module d’agrégation de caractéristiques complexes, MSPP-FPN, intégrant un pooling pyramidal spatial et trois modules de pooling pyramidal à trous (atrous spatial pyramid pooling) ; 3) l’utilisation de la fonction de perte Generalized Intersection over Union (GIoU). Pour évaluer les performances, deux jeux de données de référence, UAVDT et VisDrone, ainsi qu’un jeu de données maison acquis la nuit sous éclairage à LED dorée à base de silicium, sont utilisés. Les résultats expérimentaux montrent que, sur les deux jeux UAVDT et VisDrone, YOLO-Drone surpasser les méthodes de détection d’objets de l’état de l’art (SOTA) en améliorant respectivement le mAP de 10,13 % et 8,59 %. Sur UAVDT, YOLO-Drone atteint à la fois une vitesse d’inférence en temps réel élevée de 53 FPS et un mAP maximal de 34,04 %. Notamment, YOLO-Drone obtient des performances remarquables sous éclairage à LED dorée à base de silicium, avec un mAP atteignant 87,71 %, dépassant ainsi les performances des modèles YOLO classiques sous éclairage ordinaire. En conclusion, YOLO-Drone constitue une solution hautement efficace pour la détection d’objets dans les applications UAV, en particulier pour les tâches de détection nocturne où la technologie des LEDs dorées à base de silicium se révèle particulièrement avantageuse.

YOLO-Drone : Détection en temps réel d'objets petits denses depuis une perspective aérienne haute altitude | Articles de recherche récents | HyperAI