무인이곽 다운로드

무인 항공기와 기계 학습은 학술 및 산업 연구의 관심을 끌기 시작했습니다. 무인 항공기는 원격 위치에서 활동을 운영하고 모니터링 할 수있는 자유를 확장했습니다. 이 연구는 기계 학습 및 다양한 영역과 지역의 알고리즘과 함께 무인 항공기의 사용에 대한 연구를 검색하고 합성했습니다. 목표는 무인 항공기 기능, 문제에 대한 솔루션 및 다양한 응용 분야를 향상시키는 기계 학습 모델의 범위와 중요성을 종합하는 것이었습니다. 이 연구는 국방 인수 프로그램 관리및 삼성 탈레스가 지원하는 무인 기술 연구 센터에 대한 보조금으로 재정적으로 지원되었습니다. 드론으로 알려진 상업용 무인 항공기(UAV) 산업은 지난 몇 년 동안 엄청난 증가를 보였으며, 이러한 장치는 대중에게 매우 쉽게 접근할 수 있게 되었습니다. 이러한 현상은 이러한 장치가 의도적으로 또는 의도치 않게 심각한 위험을 초래할 수 있다는 사실로 인해 보안 문제를 즉시 제기했습니다. 중요한 장소를 보호하기 위해 학계와 업계는 최근 몇 년 동안 몇 가지 솔루션을 제안했습니다. 컴퓨터 비전은 견고성 덕분에 RADAR, 음향 및 RF 신호 분석과 같은 다른 제안된 솔루션에 비해 드론을 자율적으로 감지하는 데 광범위하게 사용됩니다. 이러한 컴퓨터 비전 기반 접근 방식 중, 우리는 그 효과 덕분에 딥 러닝 알고리즘의 선호를 볼 수 있습니다. 이 백서에서는 정적 광각 카메라와 회전 포탑에 장착된 로우 앵글 카메라를 사용하는 자율 드론 탐지 및 추적 시스템을 소개합니다. 메모리와 시간을 효율적으로 사용하기 위해 포탑의 확대 카메라에서 나오는 프레임이 광각 정적 카메라 의 프레임에 중첩되는 복합 멀티 프레임 딥 러닝 감지 기술을 제안합니다.

이러한 접근 방식을 통해 메인 이미지 평면에서 소형 공중 침입자를 초기에 감지하고 확대된 이미지 평면에서 감지하는 효율적인 파이프라인을 구축하여 리소스 철저한 탐지 알고리즘 비용을 최소화할 수 있습니다. 이 외에도 추적 알고리즘, 딥 러닝 분류 아키텍처 및 프로토콜을 포함한 통합 시스템을 제시합니다. Kwag Y-K, Woo I-S, 곽H-Y, 정Y-H (2016) 소형 공중 차량 무인 항공기 탐지를위한 멀티 모드 sdr 레이더 플랫폼 : 레이더 (RADAR), 2016 CIE 국제 컨퍼런스 온, 1-4.. Ieee. 머신 러닝 구현은 기능을 강화하고 다양한 부문에 문을 여는 것 외에도 무인 항공기에 대한 도전 횟수를 줄였습니다. 무인 항공기 와 기계 학습 협회는 빠르고 신뢰할 수있는 출력을 초래했다. 무인 항공기와 머신 러닝의 조합은 컴퓨터/무선 네트워크, 스마트 시티, 군사, 농업 및 광업에서 실시간 모니터링, 데이터 수집 및 처리 및 예측을 통해 도움이 되었습니다. 남SY, 조시 GP (2017) 분산 센서를 이용한 무인 항공기 현지화.

Comments are closed.