شناسایی خودرو از روی تصاویر دریافتی ریزپرنده با استفاده از یادگیری عمیق بر روی الگوریتم های yolo

به عنوان یکی از وظایف مهم در بینایی رایانه، تشخیص هدف به یک کانون مهم تحقیقاتی تبدیل شده و به طور گسترده در هوشمند سازی هدایت ریزپرنده ها مورد استفاده قرار گرفته است و هدف آن تشخیص سریع و دقیقتعداد زیادی از اشیاء از پیش تعیین شده از میان سایر اشیاء موجود در تصویر می باشد. با توجه به اینکه دقت و سرعت دو رکن اساسی برای هدایت ریز پرنده می باشد لذا باید الگوریتم های تشخیص خودرو تا حد امکان دقیقبوده و دارای تاخیر کمی باشد. بدین منظور در این مقاله از الگوریتم های یادگیری عمیق همانند yolov۴-tiny و yolov۳-tiny استفاده شده است. آموزش این دو معماری از ۱۷۱۶۱ تصویر مختلف در فواصل و زوایای دیدبهره برده است. نتایج اجرای الگوریتم پیشنهادی، نرخ استخراج صحیح خودرو را در YOLOv۴-Tiny و YOLOv۳-Tiny به ترتیب ۵۱ و ۷۷ درصد و نرخ فراخوانی صحیح خودرو (صحت) به ترتیب ۷۱ و ۷۴ درصد ارزیابی کرده است.