Sử dụng thuật toán Yolov3 nâng cao chất lượng phát hiện đối tượng cho hệ thống giám sát, bảo vệ căn cứ trên đảo
222 lượt xemDOI:
https://doi.org/10.54939/1859-1043.j.mst.76.2021.137-143Từ khóa:
Tự động phát hiện; Hệ thống giám sát an ninh; Yolov3.Tóm tắt
Cải tiến, hiện đại hóa hệ thống giám sát an ninh, bảo vệ căn cứ trên đảo là một nhiệm vụ quan trọng của Quân đội ta hiện nay. Trước đây, phương pháp học máy được áp dụng để xây dựng bộ phát hiện đối tượng, tuy nhiên kết quả quá trình thực nghiệm ở biển đảo chưa đáp ứng được yêu cầu đặt ra, tỷ lệ phát hiện nhầm đối tượng còn cao. Trong bài báo này, đề xuất thuật toán Yolov3 tiến hành tự động phát hiện đối tượng xuất hiện trong khu vực giám sát.
Tài liệu tham khảo
[1]. Kim C, Lee Y, Park J et al. "Diminishing unwanted objects based on object detection using deep learning and image inpainting," 2018 International Workshop on Advanced Image Technology (IWAIT), 2018, 1-3.
[2]. Chu V H, Vũ M K. “Xây dựng thuật toán tự động phát hiện đối tượng trên nền ảnh động cho bệ quay quét giám sát an ninh,” Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san TĐH, 04 – 2019.
[3]. Uijlings J R R, van de Sande K E A, Gevers T, et al. “Selective Search for Object Recognition,” Int J Comput Vis 104(2013), 154–171.
[4]. Girshick R. “Fast r-cnn,” Proceedings of the IEEE international conference on computer vision, 2015, 1440-1448.
[5]. Ren S, He K, Girshick R, et. al. “Faster r-cnn: Towards real-time object detection with region proposal networks,” preprint arXiv:1506.01497, 2015.
[6]. Liu W, Anguelov D, Erhan D, et al. “Ssd: Single shot multibox detector,” European conference on computer vision, 2016, 21-37.
[7]. Fu C Y, Liu W, Ranga A, et al. “Dssd: Deconvolutional single shot detector,” arXiv preprint arXiv:1701.06659, 2017.
[8]. Cui H, Yang Y, Liu M, et al. “Ship detection: an improved YOLOv3 method,” OCEANS 2019-Marseille, 2019: 1-4.
[9]. Wang Q, Shen F, Cheng L, et al. “Ship detection based on fused features and rebuilt YOLOv3 networks in optical remote-sensing images,” International Journal of Remote Sensing, 2021, 42(2): 520-536.
[10]. Russakovsky O, Deng J, Su H, et al. “Imagenet large scale visual recognition challenge,” International Journal of Computer Vision, 2015, 115(3): 211-252.
