TF-Net: Deep Learning Empowered Tiny Feature Network for Night-time UAV Detection

要約

技術の進歩により、無人航空機 (UAV) の使用は軍用から商業用まであらゆる分野で標準化されていますが、機能が強化され、プライベートで高度にセキュリティが確保されたエリアに簡単にアクセスできるため、深刻なセキュリティ上の懸念も生じています。
UAV に関連するいくつかのインスタンスがセキュリティ上の懸念を引き起こし、UAV 検出の調査研究につながっています。
視覚的手法は UAV の検出に広く採用されていますが、夜間、複雑な背景、および悪天候では性能が低下します。
したがって、この問題に効率的に対処できる堅牢な暗視ベースのドローン検出システムが必要です。
赤外線カメラは、暗視装置での幅広いアプリケーションにより、夜間監視にますます使用されています。
この論文では、YOLOv5s の改良版である深層学習ベースの TinyFeatureNet (TF-Net) を使用して、赤外線 (IR) 画像を使用して夜間に UAV を正確に検出します。
提案された TF-Net では、YOLOv5 のネックとバックボーンにアーキテクチャの変更を導入します。
また、4 つの異なる YOLOv5 モデル (s、m、n、l) をシミュレートし、公正な比較のために TF-Net を提案しました。
結果は、YOLOv5s と比較して、精度、IoU、GFLOPS、モデル サイズ、および FPS の点で、提案された TF-Net のパフォーマンスが優れていることを示しました。
TF-Net は、95.7\% の精度、84\% mAp、および 44.8\% $IoU$ で最高の結果をもたらしました。

要約(オリジナル)

Technological advancements have normalized the usage of unmanned aerial vehicles (UAVs) in every sector, spanning from military to commercial but they also pose serious security concerns due to their enhanced functionalities and easy access to private and highly secured areas. Several instances related to UAVs have raised security concerns, leading to UAV detection research studies. Visual techniques are widely adopted for UAV detection, but they perform poorly at night, in complex backgrounds, and in adverse weather conditions. Therefore, a robust night vision-based drone detection system is required to that could efficiently tackle this problem. Infrared cameras are increasingly used for nighttime surveillance due to their wide applications in night vision equipment. This paper uses a deep learning-based TinyFeatureNet (TF-Net), which is an improved version of YOLOv5s, to accurately detect UAVs during the night using infrared (IR) images. In the proposed TF-Net, we introduce architectural changes in the neck and backbone of the YOLOv5s. We also simulated four different YOLOv5 models (s,m,n,l) and proposed TF-Net for a fair comparison. The results showed better performance for the proposed TF-Net in terms of precision, IoU, GFLOPS, model size, and FPS compared to the YOLOv5s. TF-Net yielded the best results with 95.7\% precision, 84\% mAp, and 44.8\% $IoU$.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google