Detection of loaded and unloaded UAV using deep neural network

2020

Закрытый доступ Метаданные (CSL-JSON)
DOI 10.1109/irc.2020.00093
Достоверность данных 85 высокая
Как считается эта оценка

Складывается из проверяемых признаков самой записи: есть ли у статьи DOI, сколько независимых источников подтвердили её данные, заполнены ли обязательные поля и насколько свежо последнее подтверждение. Снижают оценку расхождения между источниками и отсутствие идентификатора. Значение от 80 означает, что запись опубликована без дополнительной проверки; от 60 до 79 — что она опубликована с пониженной достоверностью и ручная проверка желательна. Запись, выверенную редактором вручную, пересчёт не опускает ниже 90. Это оценка наших данных о статье, а не оценка самой статьи.

Аннотация

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.