| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 23.03 MB | Adobe PDF |
Authors
Abstract(s)
Unmanned Aerial Vehicle (UAV) images can be an important resource when
performing Search And Rescue (SAR) operations at sea. With the improving technology UAVs are becoming an accessible and fairly inexpensive resource for many
applications such as SAR. In order to maximize the usefulness of these UAV, we
propose a method which utilizes a state-of-the-art Object Detection network to perform real-time detection on-board the UAV. In this thesis we have selected the
YOLOv4-tiny Object Detection network and trained it to detect castaways at sea.
The main goal is to obtained fully trained weights that can be utilised with the
YOLOv4-tiny and applied to use in SAR with several UAVs working in parallel
that report back to a human operator upon detection of a possible castaway. The
proposed approach has been validated on a test dataset obtained for the purpose
of this thesis and the final result shows that it has good capabilities that can be
further developed
Imagens de veículos aéreos não tripulados (UAV) podem ser um recurso importante para a realização de operações de busca e salvamento (SAR) no mar. Com os avanços da tecnologia, os UAVs têm-se tornado um recurso acessível e razoavelmente barato para muitas aplicações como SAR. A fim de maximizar a utilidade destes UAV, propôs-se um método que utiliza uma rede de detecção de objetos de última geração para realizar a detecção em tempo real a bordo do UAV. Nesta tese, selecionou-se a rede de detecção de objetos YOLOv4-tiny e efetuou-se o seu treino para detectar náufragos no mar. O principal objetivo é obter pesos totalmente treinados que possam ser utilizados com o YOLOv4-tiny e aplicados para uso em SAR com vários UAVs a operar em paralelo que reportam a um operador humano aquando a detecção de um possível náufrago. A abordagem proposta foi validada com um conjunto de dados de teste obtido para o propósito desta tese, e o resultado final mostrou boas capacidades que podem ser ainda mais desenvolvidas.
Imagens de veículos aéreos não tripulados (UAV) podem ser um recurso importante para a realização de operações de busca e salvamento (SAR) no mar. Com os avanços da tecnologia, os UAVs têm-se tornado um recurso acessível e razoavelmente barato para muitas aplicações como SAR. A fim de maximizar a utilidade destes UAV, propôs-se um método que utiliza uma rede de detecção de objetos de última geração para realizar a detecção em tempo real a bordo do UAV. Nesta tese, selecionou-se a rede de detecção de objetos YOLOv4-tiny e efetuou-se o seu treino para detectar náufragos no mar. O principal objetivo é obter pesos totalmente treinados que possam ser utilizados com o YOLOv4-tiny e aplicados para uso em SAR com vários UAVs a operar em paralelo que reportam a um operador humano aquando a detecção de um possível náufrago. A abordagem proposta foi validada com um conjunto de dados de teste obtido para o propósito desta tese, e o resultado final mostrou boas capacidades que podem ser ainda mais desenvolvidas.
Description
Keywords
UAV Images Search and Rescue Deep Learning Deep Convolutional Neural Networks