İnsansız hava araçları (İHA) ile çekilen görüntülerdeki nesne tespiti, özellikle çok küçük objeler söz konusu olduğunda ciddi zorluklar barındırıyor. Araştırmacılar, bu sorunu çözmek için DroneScan-YOLO adlı yenilikçi bir yapay zeka sistemi geliştirdi.
Mevcut YOLO tabanlı tespit sistemlerinin temel sorunu, minimum 8 piksel tespit adımı kullanmaları. Bu durum, 32 piksel altındaki nesnelerin neredeyse tespit edilemez hale gelmesine neden oluyor. Ayrıca kullandıkları CIoU kayıp fonksiyonu, birbirine değmeyen küçük kutular için sıfır gradyan üretiyor ve sistemlerin mimarisinde önemli filtre fazlalıkları bulunuyor.
DroneScan-YOLO, bu sınırlamaları dört koordineli tasarım seçeneğiyle aşıyor. Sistem, küçük nesneler için maksimum uzamsal detay elde etmek üzere 1280x1280 çözünürlükte çalışıyor. RPA-Block adlı dinamik filtre budama mekanizması, 10 dönemlik ısınma periyoduyla tembel kosinüs benzerliği güncellemeleri yapıyor.
En dikkat çekici yenilik, sadece 114.592 parametre ekleyerek (%1.1 artış) 4 piksel adımında çalışan hafif P2 tespit dalı MSFD. SAL-NWD hibrit kayıp fonksiyonu ise özellikle çok küçük nesnelerdeki tespit performansını optimize ediyor.
Bu gelişme, arama-kurtarma operasyonları, hassas tarım uygulamaları ve güvenlik sistemlerinde devrim yaratacak potansiyele sahip. İHA teknolojisinin yaygınlaşmasıyla birlikte, küçük nesne tespitindeki bu atılım birçok alanda praktik uygulamalar bulabilir.