Pemprosesan gambar berasaskan drone konvensional diperlukan pada pemerolehan data gambar dan video di mana data tersebut dipindahkan ke node pengkomputeran untuk pengesanan objek secara nyata. Kaedah kemudian memakan masa dan juga komputasi intensif. Projek ini membentangkan tentang pengembangan pengesanan objek menggunakan konsep pembelajaran mendalam berdasarkan kamera drone. Sebilangan besarnya menggunakan teknik penglihatan komputer yang terutama mengesan objek dari maklumat yang diambil oleh kamera “on-board”. Ianya dianggap perlu untuk memahami bahawa algoritma pembelajaran mendalam adalah suatu intensif pengiraan kerana memerlukan latihan data yang besar untuk mencapai ketepatan yang tinggi. Tujuan projek ini adalah untuk mengembangkan algoritma pembelajaran mendalam yang dapat melatih data dalam waktu pelaksanaan yang lebih rendah dengan ketepatan yang tinggi. Untuk melaksanakan algoritma yang dicadangkan, set data YOLO dimuat untuk kaedah berasaskan pembelajaran mendalam yang pantas dan cekap untuk membolehkan pengesanan objek. Untuk projek yang diusulkan, CNN pada set data YOLO akan dilaksanakan menggunakan pengaturcaraan multiprosesan Python untuk meningkatkan waktu pelaksanaan. Keupayaan pembelajaran mendalam untuk mengesan dan melokalisasi objek tertentu dikaji dengan melakukan eksperimen menggunakan kamera drone dan dilaksanakan menggunakan set program yang sesuai dengan set data YOLO. Hasil akhir dari projek yang dicadangkan memberikan hasil terbaik berkaitan dengan ketepatan 85% -100% untuk kumpulan data YOLO dengan waktu pelaksanaan yang lebih rendah menggunakan multiprosesan berasaskan python.
_______________________________________________________________________________________________________
The conventional drone-based image processing required on board image and video data acquisition whereby the data was transferred to the computing node for object detection on a real-time basis. The later method was time consuming as well as compute intensive. This project presents the development of object detection using deep learning concept based on drone camera. It is deemed necessary to understand that the deep learning algorithm is also computationally intensive as it needs substantial training of data to achieve high accuracy. The purpose of this project is to develop a deep learning algorithm which can train the data in lower execution time with high accuracy. To implement the proposed algorithm, the YOLO (You Only Look Once) dataset is loaded for fast and efficient deep learning-based method to enable object detection. For the proposed project, the CNN on YOLO dataset was implemented using Python multiprocessing programming to enhance the execution time. Deep learning is able to identify and locate unique objects that is analyzed by performing an experiment using drone camera and applied using the software collection that is consistent with the existing YOLO dataset. Final results of the proposed project gave the best results with respect to accuracy of 85%-100% for YOLO dataset with a lower execution time using python-based multiprocessing.
Drone based on image processing to detect Yolo datasets / Mahathir Ibrahim