Detection of loaded and unloaded UAV using deep neural network

2020

Жабық қол жеткізу Метадеректер (CSL-JSON)
DOI 10.1109/irc.2020.00093
Деректер сенімділігі 85 жоғары
Бұл баға қалай есептеледі

Ол жазбаның өзінің тексерілетін белгілерінен құралады: мақаланың DOI-і бар ма, оның деректерін қанша тәуелсіз дереккөз растады, міндетті өрістер толтырылған ба және соңғы растау қаншалықты жаңа. Дереккөздер арасындағы алшақтық пен идентификатордың болмауы бағаны төмендетеді. 80-нен бастап мән жазбаның қосымша тексерусіз жарияланғанын, 60-тан 79-ға дейін — оның сенімділігі төмен күйде жарияланғанын және қолмен тексеру ұсынылатынын білдіреді. Редактор қолмен тексерген жазбаны қайта есептеу 90-нан төмен түсірмейді. Бұл — мақаланың өзіне емес, ол туралы деректерімізге берілген баға.

Аңдатпа

Unmanned aerial vehicles or drones quickly became cheaper, becoming more advanced and affordable to the general public. And the ease of control made them popular among people, who want to deliver various suspicious loads. UAV detection can be performed by different existing techniques, such as radar, radio frequency, acoustic and optical sensing techniques. Because of low-cost and low-power technology computer vision is considered as an effective method for detecting Unmanned aerial vehicles. Previous studies of UAV detection mostly have dealt with detection of UAV existence. The primary aim of this paper is to review recent research into the UAV detection and perform single stage loaded and unloaded UAV detection based on YOLOv2.