Создана улучшенная модель нейронных сетей для беспилотных летательных аппаратов (БПЛА). Она предоставляет возможность ускорить обнаружение небольших объектов в реальном времени. Ее разработал аспирант из Китая Чжан Цзинвэй, проходящий обучение в Южном федеральном университете (ЮФУ), информирует ТАСС.
“В сравнении с аналогами беспилотники на новом алгоритме демонстрируют большую эффективность, точность, скорость и низкую энергозатратность”, – говорится на сайте ВУЗа.
В сообщении отмечено, что современные беспилотники для быстрого выявления объектов в реальном времени применяют популярную архитектуру нейронных сетей YOLOv5, но она имеет несколько недостатков.
“Молодой ученый предложил облегченный и более эффективный алгоритм L-YOLO. Он включает в себя новую головку выявления для повышения точности поиска небольших целей, а также измененный размер ячеек привязки, соответствующий масштабам потенциальных целей, с применением алгоритма кластеризации”, – поведали в ЮФУ.
Беспилотники со встроенным алгоритмом L-YOLO могут использоваться в разных сферах, в том числе военной, гражданской, сельскохозяйственной, а также в спасательных и поисково-спасательных операциях. В этих сценариях, как отмечают в ЮФУ, идентификация и отслеживание небольших целей, таких как отдельные люди, животные, транспортные средства, имеет важное значение для успешного выполнения задачи.
