دانلود مقاله و خرید ترجمه:زمان واقعی و دقت شناسایی پهباد در یک ویدیو با یک پس‌زمینه ساکن - 2020
بلافاصله پس از پرداخت دانلود کنید

با سلام خدمت کاربران در صورتی که با خطای سیستم پرداخت بانکی مواجه شدید از طریق کارت به کارت مقاله خود را دریافت کنید (تا مشکل رفع گردد). با تشکر از صبوری شما!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!

-->
مقالات ترجمه شده پردازش تصویر ( Image Processing )
  • Real-Time and Accurate Drone Detection in a Video with a Static Background زمان واقعی و دقت شناسایی پهباد در یک ویدیو با یک پس‌زمینه ساکن

    دسته بندی:

    پردازش تصویر - Image Processing


    سال انتشار:

    2020


    ترجمه فارسی عنوان مقاله:

    زمان واقعی و دقت شناسایی پهباد در یک ویدیو با یک پس‌زمینه ساکن


    عنوان انگلیسی مقاله:

    Real-Time and Accurate Drone Detection in a Video with a Static Background


    منبع:

    Sensors 2020, 20, 3856; doi:10:3390/s20143856


    نویسنده:

    Ulzhalgas Seidaliyeva 1,y,z , Daryn Akhmetov 2,z , Lyazzat Ilipbayeva 2,z and Eric T: Matson 3,*


    چکیده انگلیسی:

    With the increasing number of drones, the danger of their illegal use has become relevant. This has necessitated the creation of automatic drone protection systems. One of the important tasks solved by these systems is the reliable detection of drones near guarded objects. This problem can be solved using various methods. From the point of view of the price–quality ratio, the use of video cameras for a drone detection is of great interest. However, drone detection using visual information is hampered by the large similarity of drones to other objects, such as birds or airplanes. In addition, drones can reach very high speeds, so detection should be done in real time. This paper addresses the problem of real-time drone detection with high accuracy. We divided the drone detection task into two separate tasks: the detection of moving objects and the classification of the detected object into drone, bird, and background. The moving object detection is based on background subtraction, while classification is performed using a convolutional neural network (CNN). The experimental results showed that the proposed approach can achieve an accuracy comparable to existing approaches at high processing speed. We also concluded that the main limitation of our detector is the dependence of its performance on the presence of a moving background.
    Keywords: unmanned aerial vehicles | object detection | deep learning | computer vision | image processing | drone detection | UAV detection | visual detection


    چکیده فارسی:

    با افزایش تعداد هواپیماهای بدون سرنشین , خطر استفاده غیرقانونی آن‌ها به امری مرتبط تبدیل شده‌است . این امر ضرورت ایجاد سیستم‌های حفاظت از هواپیماهای بدون سرنشین را ایجاب می‌کند . یکی از وظایف مهم حل‌شده توسط این سیستم‌ها ، تشخیص قابل‌اطمینان هواپیماهای بدون سرنشین در نزدیکی اشیا حفاظت شده است . این مساله را می‌توان با استفاده از روش‌های مختلف حل کرد . از نقطه‌نظر نسبت قیمت - کیفیت ، استفاده از دوربین‌های ویدئویی برای تشخیص هواپیمای بدون سرنشین مورد توجه زیادی است . با این حال ، تشخیص هواپیمای بدون سرنشین با استفاده از اطلاعات دیداری ، با شباهت زیاد هواپیماهای بدون سرنشین به دیگر اشیا ، مانند پرندگان و هواپیماها ، مختل می‌شود . علاوه بر این ، هواپیماهای بدون سرنشین می‌توانند به سرعت‌های بسیار بالایی برسند ، بنابراین تشخیص باید در زمان واقعی انجام شود . این مقاله به مشکل تشخیص هواپیمای بدون سرنشین با دقت بالا می‌پردازد . ما وظیفه شناسایی هواپیمای بدون سرنشین را به دو بخش جداگانه تقسیم کردیم : تشخیص اشیا در حال حرکت و طبقه‌بندی شی شناسایی‌شده به صورت هواپیماهای بدون خلبان ، پرنده و پس‌زمینه . تشخیص جسم متحرک مبتنی بر تفریق پس‌زمینه است در حالی که طبقه‌بندی با استفاده از یک شبکه عصبی تحولی انجام می‌شود . نتایج تجربی نشان داد که روش پیشنهادی می‌تواند به دقت قابل‌مقایسه با رویکردهای موجود در سرعت پردازش بالا به دست یابد . همچنین به این نتیجه رسیدیم که محدودیت اصلی آشکار ساز ما وابستگی عملکرد آن در حضور یک پس‌زمینه متحرک است .
    واژگان کاربردی: وسایل نقلیه هوایی بدون سرنشین | شناسایی اشیا | یادگیری عمیق | بینایی ماشین | پردازش تصویر | تشخیص بدون سرنشین | تشخیص پهپاد بدون سرنشین | تشخیص بصری


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 19
    تعداد صفحات فایل doc فارسی(با احتساب مراجع): 44

    وضعیت ترجمه عناوین تصاویر و جداول: به صورت کامل ترجمه شده است

    وضعیت ترجمه متون داخل تصاویر و جداول: به صورت کامل ترجمه شده است

    حجم فایل: 1348 کیلوبایت


    قیمت: 65000 تومان   


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi
بازدید امروز: 3380 :::::::: بازدید دیروز: 5532 :::::::: بازدید کل: 8964 :::::::: افراد آنلاین: 16