8 августа 2023 г., AviaStat.ru – Аспирант из Китая Чжан Цзинвэй, проходящий обучение в Южном федеральном университете (ЮФУ), разработал усовершенствованную модель нейронных сетей для беспилотных летательных аппаратов (БПЛА), позволяющую ускорить обнаружение небольших объектов в реальном времени. Об этом сообщает ТАСС со ссылкой на данные пресс-службы ЮФУ.

"Чжан Цзинвэй, аспирант ЮФУ, победитель федерального конкурса управленцев "Лидеры России", разработал упрощенную модель нейронных сетей для беспилотных летательных аппаратов, выполняющих задачу быстрого обнаружения небольших объектов в реальном времени. В сравнении с аналогами беспилотники на новом алгоритме показывают большую эффективность, точность, скорость и низкую энергозатратность", - говорится в сообщении.

Отмечается, что современные беспилотники для быстрого обнаружения объектов в реальном времени используют популярную архитектуру нейронных сетей YOLOv5. Она широко применяется, в частности, для обнаружения объектов в видеофайлах, анализа поведения людей, автономной навигации автомобилей, однако имеет несколько недостатков, говорится в сообщении. Аспирант института математики, механики и компьютерных наук ЮФУ Чжан Цзинвэй усовершенсивовал эту систему.

"Она имеет недостатки: длинная и сложная модель самого алгоритма и, как следствие, трудности поиска небольших по размеру целей. Чжан Цзинвэй усовершенствовал данную архитектуру. Кроме того, молодой ученый предложил облегченный и более эффективный алгоритм под названием L-YOLO. Он включает в себя новую головку обнаружения для повышения точности поиска небольших целей, а также измененный размер ячеек привязки, соответствующий масштабам потенциальных целей, с использованием алгоритма кластеризации", - пояснили в ЮФУ.

Беспилотники со встроенным алгоритмом L-YOLO могут применяться в различных сферах, включая военную, гражданскую, сельскохозяйственную, а также в спасательных и поисково-спасательных операциях. В этих сценариях, как подчеркивают в ЮФУ, идентификация и отслеживание небольших целей, таких как отдельные люди, животные, транспортные средства, имеет важное значение для успешного выполнения задачи.

"Алгоритм L-YOLO обладает не только высокой эффективностью обнаружения небольших целей, но и более легкой моделью, подтверждая, что обнаружение целей с точки зрения беспилотных летательных аппаратов имеет хорошие перспективы применения. В сравнение с YOLOv5 наш алгоритм продемонстрировал сокращение вычислительных затрат на 42,42% и количества параметров на 48,6%", - рассказал Чжан Цзинвэй, чьи слова приводятся в сообщении.