Publikace detail

Airspace Object Detection Above the Guarded Area Using Segmentation Neural Network

Autoři: Štursa Dominik | Doležel Petr | Merta Jan

Rok: 2021

Druh publikace: článek ve sborníku

Název zdroje: Proceedings of the Future Technologies Conference (FTC) 2021.Volume 2

Název nakladatele: Springer Nature Switzerland AG

Místo vydání: Cham

Strana od-do: 283-292

Tituly:

Jazyk	Název	Abstrakt	Klíčová slova
cze	Detekce objektů ve vzdušném prostoru nad střeženým prostorem pomocí segmentační neuronové sítě	S rostoucím počtem dronů a bezpilotních letadel (UAV) je kladen větší důraz na ochranu vzdušného prostoru kolem soukromých i veřejných budov. V tomto příspěvku autoři představují komplexní vícekrokový přístup k detekci vzdušných objektů. Představený proces se skládá z několika na sebe navazujících kroků, kdy jsou objekty ořezány z původního vstupu s využitím ořezového vzoru poskytnutého úlohou segmentace obrazu. Tyto objekty jsou následně klasifikovány a vyhodnoceny jako hrozba či nikoliv. Důraz je zde však kladen pouze na segmentační část. Byla navržena topologie neuronové sítě převzatá z architektury U-Net. Ve snaze pokrýt velké množství možných stavů byla provedena a diskutována případová studie. Výsledky navržené architektury konvoluční neuronové sítě byly porovnány s architekturou U-Net. Aplikace konvoluční neuronové sítě na úlohu detekce objektů ve vzdušném prostoru vedla k dostatečně přesným výsledkům, díky nimž lze v další práci předpokládat možnost jejího využití v navrhovaném vícekrokovém systému detekce.	Střežení vzdušného prostoru; konvoluční neuronová síť; detekce objektů; U-Net
eng	Airspace Object Detection Above the Guarded Area Using Segmentation Neural Network	With the increasing number of drones and unmanned aerial vehicles (UAVs), more emphasis is placed on guarding of the airspace around private and also public buildings. In this contribution authors are introducing a complex multi-step approach for aerial objects detection. Introduced process is composed of a few consecutive steps, where objects are cropped from original input with use of cropping pattern provided by task of image segmentation. These objects are then classified and evaluated as a threat or not. However, the emphasis here is placed on the segmentation part only. Neural network topology, adopted from U-Net architecture, was proposed. Case study was made and discussed in an effort to cover a large number of possible states. The results of a proposed convolutional neural network architecture were compared with the U-Net architecture. Applying of the convolutional neural network to the task of airspace object detection lead to sufficiently precise results, thanks to which it is possible to assume the possibility of its use in the proposed multi-step detection system in further work.	Airspace guarding; Convolutional neural network; Object detection; U-Net

Search

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Katedry

Služby

Jak nás najdete?

Často hledáte