Aplikace modelu neuronové sítě YOLO pro detekci a sledování objektů z perspektivy UAV

Abstract

V současné době svět zažívá stále větší rozmach v oblasti využívání umělé inteligence, zejména hlubokého učení. Hluboké učení a jeho aplikace jsou stále více populární a využívané v mnoha oblastech, jako je například průmysl, lékařství nebo bezpečnostní systémy. Tento článek se zabývá problematikou detekce objektů z perspektivy bezpilotních letounů (Unmanned Aerial Vehicle, UAV). Celý systém je postaven na použití jedné kamery, která je umístěna na UAV tak, aby vhodným způsobem zachycovala snímanou scénu. Celé zpracování obrazu, detekce objektů pomocí modelu YOLOv4 (You Only Look Once 4. version) a následné další operace jsou prováděny na zařízení Jetson Nano. Model neuronové sítě YOLOv4 byl natrénován na vlastním připraveném datasetu. Tato trénovací množina byla vytvořena speciálně pro aplikace bezpilotních letounů. Výsledkem této práce je připravená anotovaná datová množina a naučený model neuronové sítě YOLOv4, který je primárně zaměřen na detekci objektů z perspektivy UAV. Výstupem práce je také implementovaný algoritmus, který dokáže s využitím natrénovaného modelu YOLOv4 sledovat trajektorii detekovaných objektů. Všechny použité materiály, datová sada a skripty použité v této práci jsou dostupné na https://github.com/KicoSVK/object-detection-tracking-in-uav-using-yolov4.Currently, the world is experiencing an ever-increasing boom in the use of artificial intelligence, especially deep learning. Deep learning and its applications are increasingly popular and used in many areas, such as industry, medicine or security systems. This article deals with the issue of object detection from the perspective of unmanned aerial vehicles (UAV). The whole system is based on the use of a single camera, which is placed on the UAV in such a way that it captures the scene in a suitable way. All image processing, object detection using the YOLOv4 (You Only Look Once 4th version) model and subsequent other operations are performed on the Jetson Nano device. The YOLOv4 neural network model was trained on our own prepared dataset. This training set was created specifically for drone applications. The result of this work is a prepared annotated data set and a learned YOLOv4 neural network model, which is primarily focused on object detection from a UAV perspective. The output of the work is also an implemented algorithm that can track the trajectory of detected objects using the trained YOLOv4 model. All materials used, dataset and scripts used in this work are available at https://github.com/KicoSVK/object-detection-tracking-in-uav-using-yolov4.