ಡ್ರೆಾನ್ಗಳ ಉತ್ಥಾನವು ಟೆಲಿಡೆಕ್ಟಿಂಗ್ ಕ್ಷೇತ್ರವನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ಪರಿವರ್ತಿಸ್ತದೆ, ಮರುಗಟ್ಟೆಗಳ ಮತ್ತು ಸಂಕಟಗಳಿಗೆ ಪ್ರತಿಕ್ರಿಯಾ ನೀಡುವಂತಹ ಅಪ್ಲಿಕೇಶನ್ಗಳನ್ನು ಕೈಕೊಳ್ಳಲು ಸುಲಭಗೊಳಿಸುತ್ತದೆ. ತ್ವರಿತ ಮತ್ತು ನಿರ್ಧಿಷ್ಟ ವಸ್ತು ಮಹಿತಿಯನ್ನು ಬಳಸುವ ಇತರ ಇಳಿಯುವ ಸಾಧನಗಳ ಮೇಲೆ ಒಂಟಿಯಾದ ಸವಾಲು. ವಾಸ್ತವಿಕ ಪರಿಸರಗಳ ಸಂಕೀರ್ಣತೆ, ವಿವಿಧ ಗಾತ್ರ ಮತ್ತು ಕೋನಗಳನ್ನು ಹೊಂದಿರುವ ವಸ್ತುಗಳನ್ನು ಹೊಂದಿರುವುದರಿಂದ искусственной intelligence ಮಾದರಿಗಳಿಗೆ ಕೆಲಸವನ್ನು ಕಷ್ಟಗೊಳಿಸುತ್ತದೆ.
*ಈ ನಾವೀನ್ಯತೆಯ ಸಂಶೋಧನೆಯು ಮಾದರಿಗಳ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಕ್ರಾಂತಿಕಾರಿಯಾಗಿ ಪರಿವರ್ತಿಸಲು ಎಳೆಯಾಗಿದೆ.* ಆಳವಾದದಲ್ಲಿನ ಪ್ರಗತಿಗಳು ಡ್ರೆಾನ್ಗಳ ನಿಯಮಗಳಿಗೆ ತಕ್ಕದ್ದಾದ ಪರಿಹಾರಗಳತ್ತ ಮುನ್ನೋಟ ನೀಡುತ್ತವೆ, ಏಕೆಂದರೆ ಅಗ್ರಗಣ್ಯ ನಿಖರತೆಯನ್ನು ಖಚಿತಪಡಿಸುತ್ತವೆ.
*ತಂತ್ರಜ್ಞಾನದ ಒಕ್ಕೊಿಕೆಯ ಒಂದಷ್ಟು ತರಹಗಳನ್ನು ಸಕ್ರಿಯಗೊಳಿಸುತ್ತದೆ.* ಹೊಸ ಡಿಟೆಕ್ಷನ್ ಹಿನ್ನದಿಗಳನ್ನು ತೆರೆದಾಗು ಡ್ರೆಾನ್ಗಳಲ್ಲಿ ಚಿತ್ರಣಗಳನ್ನು ಹನ್ನುಗಲಿಸಲು ಪ್ರಮುಖ ಆಸಕ್ತಿಗಳ ಸಂಗkel ಅದರ ಮೂಲಕ ನೀಡುವುದು, ಉದಾಹರಣೆಗೆ ವಿಘಟನೆ ನಿರ್ವಹಣೆ.
ಡ್ರೋನ್ಗಳ ಮೂಲಕ ವಸ್ತು ಗುರುತಿಸುವಿಕೆ
ಡ್ರೋನ್ಗಳ ಮೂಲಕ ಟೆಲಿಡೆಕ್ಟಿಂಗ್ ಕ್ಷೇತ್ರವು ಪರಿಷ್ಕೃತ ಎಳೆಯ ಸ್ಟ್ರಾಫ್ಗಳಿಂದ ಗಮನಾರ್ಹ ಮುನ್ನೋಟವನ್ನು ನೋಡುತ್ತಿದೆ. ಈ ಮಾದರಿಗಳನ್ನು ಉದ್ದೇಶಿಸುವುದು ಡ್ರೆಾನ್ಗಳಿಂದ ಹಿಡಿಯುವ ಚಿತ್ರಗಳಲ್ಲಿ ಪಾಯಿತು ಹಾಗು ವಸ್ತುಗಳನ್ನು ಗುರುತಿಸಲು, ಶಕ್ತಿಯ ನಿಯಮಗಳಿಗೆ ಹೊಂದಿರುವ ಸವಾಲುಗಳನ್ನು ಅನುಭವಿಸುತ್ತವೆ. ನಿರ್ಧಿಷ್ಟವಾದ ಆರ್ಥಿಕತೆ ಮತ್ತು ಕಾರ್ಯಕ್ಷಮತೆ, ತಕ್ಷಣ ವಿಕೃಷ್ಟರಾಗುವ ಅಗತ್ಯವನ್ನು ಸ್ವೀಕರಿಸುತ್ತವೆ, ಉಪಾಯಗಳ ಮಾದರಿಗಳನ್ನು ಮುಂದಿನ ಮಟ್ಟಕ್ಕೆ ಅಣೆಕಟ್ಟುತ್ತದೆ.
ಕ್ಷೇತ್ರದಲ್ಲಿನ ನಾವೀನ್ಯತೆಗಳು
ಒಂಭತ್ತ್ಕಿಲ್ಲದ ಒಸಾಕಾ ಮೆಟ್ರೋಪೋಲಿಟನ್ ವಿಶ್ವವಿದ್ಯಾಲಯ ಸಂಸ್ಥೆಯ ಸಂಶೋಧನಾ ತಂಡವು UAV ಗಾಗಿ ವಸ್ತು ಗುರುತಿಸುವಿಕೆಗೆ ವಿಶೇಷವಾಗಿ ತಂಡದ ಬಲವಾದ ತಂತ್ರವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದೆ. ಈ ಸಂಶೋಧನೆಯ ಫಲಿತಾಂಶಗಳು ವಿಜ್ಞಾನ ವರದಿಗಳು ಎಂಬ ಶ್ರೇಣಿಯಲ್ಲಿ ಪ್ರಕಟಿಸಲಾಗಿದೆ. ಈ ನಾವೀನ್ಯತೆಯ ಹೃದಯದಲ್ಲಿ ಪಾರ್ಷಿಯಲ್ ಪುನಾರ್ಪಣೆ ಕಾನ್ವೋಲ್ಯೂಷನ್ ಬ್ಲಾಕ್ ಅಥವಾ PRepConvBlock ಅನ್ನು ಕಾಣಿಸುತ್ತವೆ, ಇದು ವಿಶ್ಲೇಷಣೆಯ ಧಾರಿಗೆ ಕೆಲಸವನ್ನು ಕನಿಷ್ಠ ಸಂಖ್ಯೆಯಲ್ಲಿ ಕೀಳ್ಮಟ್ಟದಿಂದ ಪರೀಕ್ಷಿಸುತ್ತದೆ.
PRepConvBlock ನ ವಿನ್ಯಾಸವು ದೊಡ್ಡ ಕಣಜಗಳನ್ನು ಬಳಸಲು ಪರಿಹಾರವನ್ನು ಉಂಟಾಗಿಸುತ್ತದೆ, ಇದು ಹೆಚ್ಚು ದೂರದಾಗಿಯಲ್ಲಿರುವ ಕಾರ್ಯಗಳನ್ನು ಓರಿಯ್ಸ್ನಲ್ಲಿ ನಿಧಾನಗತಿಗಳೊಂದಿಗೆ ಸಂಬಂಧಿಸುತ್ತವೆ, ಸಂತ್ರಸ್ತ ವಸ್ತು ಯುಗಾದಿಗೆ ಹೆಚ್ಚಿಗೆ ಮಾಡುತ್ತದೆ. ಈ ಸಾಂದರ್ಭಿಕ ಉನ್ನತಿ, ಏಕೆಂದರೆ ಪಾರಂಪರಿಕ ಟೆಲಿಡೆಕ್ಟಿಂಗ್ ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ ಉನ್ನತ ವಿಕಸನವಾಗುತ್ತದೆ.
ವಿದ್ಯಮಾನ ಸ್ತರಗಳು ಕಾರ್ಯಕ್ಷಮ ಸಾರುವಿಕೆಗಾಗಿ
ಗುಣಶ regulators ಬೊತ್ತಿಲ್ಲದ ಸರವ ಅಂತರ್ಜಾಲವನ್ನು ಪರಿಚಯಿಸುತ್ತವೆ, ಇದು ಶ್ಯಾಲೋ ಬಿಐ-ಡೈರೆಕ್ಷನಲ್ ಫೀಚರ್ ಪಿರಾಮಿಡ್ ನೆಟ್ವರ್ಕ್ (SB-FPN) ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ. ಈ ರೂಪ संरಕ್ಷಕ ಕಛೇರಿ ವಿವರಗಳನ್ನು ಶ್ರೇಣಿಯಿಂದ ಸೇರಿದ, ಮೇಲ್ಮಟ್ಟದ ಮತ್ತು ಘನ ಶ್ರೇಣಿಯ ಶ್ರೇಣಿಯ ಕ್ಲಿಷ್ ಟಚ್ ಅನ್ನು ಕೇಂದ್ರ ಗೂಡುಗಳನ್ನು ಒಟ್ಟುಗೂಡಿಸುತ್ತದೆ. ಈ ನಾವೀನ್ಯತೆಗಳು ಹೊಸ ಶ್ರೇಣಿಯ ವಚನವಾಗಿ SORA-DET, ಶ್ಯಾಲೋ-ಹೆಂಚು ರೂಪಾಂತರದ ವಲಯ ಗಣಕಚಿತ್ರ ಎಂಬ ಶ್ರೇಣಿಯಂತೆತ್ತ ಚಾಲಿತವಾಗಿವೆ.
SORA-DET ಅನ್ನು, ಬಂಡವಾಳ ನಿಯಮಗಳು ಮತ್ತು ಕಾರ್ಯಾಸಕ್ತಿಯನ್ನು ಉಲ್ಲೇಖ ವಿಚಾರಗಳನ್ನು ಒಳಗೊಂಡಂತೆ ವಿನ್ಯಾಸ ಮತ್ತು ಪ್ರಮಾಣಿಸಲು ಉದ್ದೇಶಗೊಳಿಸಲಾಗಿದೆ, ವಿಶೇಷವಾಗಿ ಡ್ರೋನ್ಗಳ ಪುನಾರ್ಪಣೆಗೂರ್. ತೊಂದರೆ ಸಂಶೋಧನೆಯು VisDrone2019 ಎಂಬ ಉನ್ನತ ಕೊರಿದ ಉಲ್ಲೇಖದಲ್ಲಿ 39.3% ಮಾಪ್ 50 ಪ್ರಾಧ್ಯಕ್ಕೆ ತಲುಪುತ್ತದೆ ಮತ್ತು 84.0% ರ ಮಾಪ್ 50 ಪ್ರಮಾಣಕ್ಕಾಗಿ SeaDroneSeeV2 ಮಿತಿಯ ಉಲ್ಲೇಖದಲ್ಲಿ ತೆರೆಯುತ್ತದೆ. ಈ ಫಲಿತಾಂಶಗಳು ಹೆಚ್ಚು ದೊಡ್ಡ ಪ್ರಮಾಣದ ಮಾದರಿಗಳನ್ನು ಮೀರಿಸುತ್ತವೆ ಮತ್ತು значительно меньше и гораздо быстрее.
ಮಾದರಿಗಳ ಪ್ರಭಾವಶೀಲತೆ
SORA-DET ಸಂಪತಿಯನ್ನು ಪಡೆಯಲು ವಿಶೇಷವಾಗಿ ಖಾತರಿಯಾಗಿದೆ. ಈ ಮಾದರಿಯು ಸಾಮಾನ್ಯ ದೇಶಾನುಕಾಲಿಕ ಪರಿಕರಗಳಿಗೆ ಕ್ರಿಯಾಸಾಧಿ ಹೋಗುವ 88.1% ಕ್ಕೋಡು ಅಗತ್ಯವೆಂಬುದನ್ನು ಒತ್ತಿಸುತ್ತದೆ. ಇದು 5.4 ಮಿಲೀಸೆಕೆಂಡುಗಳಲ್ಲಿ ಸೂಕ್ಷ್ಮಗತಿಯ ಒತ್ತಾಮೆ ನೋಡಿಸುತ್ತದೆ. ಈ ಸಂಗ್ರಹವು ನಿಖರತೆಯನ್ನು ನಿರ್ಕಲಿ ಸಧ್ಯದಲ್ಲಿ ಒದಗಿಸುವ ತನಕ ಸೋರಾರವನ್ನು ಈಕಳ್ಳವಾಗಿದೆ.
ಭವಿಷ್ಯದಅನ್ವಯಗಳು
ಈ ಸಂಶೋಧನೆಯಿಂದ ಪಡೆದ ಮೊದಲು ಸರಿಯಾದ ವಸ್ತುಗಳನ್ನು ವಿಷಯಾಂತರಿಕವಾಗಿ ತಡೆಯುವ ಪ್ರಸಿದ್ಧಿಯ ಗಣನೆಯು ಭವಿಷ್ಯದ ವ್ಯಕ್ತಿತ್ವವನ್ನು ಸ್ವೀಕರಿಸುತ್ತದೆ, ಇದರಿಂದ ಅಪ್ಲಿಕೇಶನ್ಗಳನ್ನು ಚೇತರಿಸುವ ವಿಧಾನದಲ್ಲಿ ತುಂಬಿ ಬೆಳೆಯಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ. ಜ್ಞಾನದ ನಿರ್ಧಿಷ್ಟವಾಗಿ ಅರ್ತ್ತರುವನ್ನು ಅನುಭವಿಸಲು ಮತ್ತಷ್ಟು ನಿರ್ಧಾರವನ್ನು ಉತ್ಪತ್ತಿ ಮಾಡಬೇಕು, ಸತ್ಯಾಗ್ರಹವನ್ನು ಅನುಭವಿಸುವಂತಾಗುತ್ತದೆ. ಮುಂಬರುವ ಅಪ್ಲಿಕೇಶನ್ಗಳು ಪರಿಸರದ ಮೀಟಿಯ ಪರಿವರ್ತಿಸುವಿಕೆಯ ಸರಣಿ ಅಥವಾ ಉತ್ತಮ ಪುನಾರ್ಪಣೆಯ ವ್ಯವಸ್ಥೆಗಳನ್ನು ಒಳಗೊಂಡಿವೆ.
ತಿಳಿವಳಿಕೆ ಅಥವಾ ಮಾದರಿಯ ಎಳಿ ಪ್ರಕಟಣೆಗಳ ಹೊಸದಾಗಿ ನೋಡಿ, ಬಹುರೂಪದ ಗುರುತಿಸುವಿಕೆಯಿಂದ ಹೊಂದಿರುವ ಸರಕಾರವು ಅಥವಾ ಇತರ ವಿಕಾಸಗಳನ್ನು ಋತು ಯೋಗ್ಯ ಮೆಟ್ರೋದ ಅಗೇಶೀಲಿಸಿರುವುದರಲ್ಲೂ ಮತ್ತು ನಿರ್ದೇಶನಗಳ ಗೋಚಿ ಉಲ್ಲೇಖದ ಒಂದು ಸೌಂದರ್ಯಭೂಮಿಗೆ.
ಡ್ರೆಾನ್ಗಳಲ್ಲಿ ವೇಗವಾಗಿ ಮತ್ತು ಸಮೀಕ್ಷೆಯು ವಸ್ತು ಪರಿವರ್ತನೆಗೆ ಪ್ರಚಲಿತ ಡ್ರೈವರ್ ಕುರಿತಾದ ಪ್ರಶ್ನೆಗಳು
ಡ್ರೆಾನ್ಗಳ ಮೂಲಕ ವಸ್ತು ಗುರುತಿಸುವಿಕೆಯ ಬಹುಮಾನವೇನು?
ಡ್ರೆಾನ್ನಲ್ಲಿ ವಸ್ತು ಗುರುತಿಸುವಿಕೆಯನ್ನು ನಿರ್ದಿಷ್ಟವಾಗಿ ತುರ್ತು ಪ್ರಕರಣಗಳಲ್ಲಿ, ಒಳಗೊಳ್ಳುವಿಕೆ, ಶ್ರೇಣೀಬದ್ಧಿಕರ್ತಾಿಂತದ ಮೂಲಕ ಸಾಧ್ಯವಾಗುತ್ತದೆ ಇದು ಸುಲಭ ಮತ್ತು ಪರಿಣಾಮಕಾರಿ ಉತ್ಪನ್ನವಾಗಿ ಸಹಾಯ ಮಾಡುತ್ತದೆ.
SORA-DET ಡಿಟೆಕ್ಷನ್ ಅನ್ನು ಸಾಂಪ್ರದಾಯಿಕ ಮಾದರಿಗಳಿಗೆ ಹೋಲಿಸುವಂತೆ ಸುಧಾರಿಸುತ್ತದೆ?
SORA-DET, PRepConvBlock ಮತ್ತು SB-FPN ಎಂಬ ನಾವೀನ್ಯತೆಯನ್ನು ಬಳಸುತ್ತದೆ, ಇದು ಆಳವಾದ ಮಾದರಿಯ ಸಮಾಲೋಚನೆಗೆ ಉತ್ತಮ ಸಂಬಂಧವನ್ನು ಹೊಂದಿ.
SORA-DET ಯ ಉತ್ಕೃಷ್ಟತೆ ಯಾವಾಗ?
SORA-DET VisDrone2019 ಡೇಟಾವಿನಲ್ಲಿ 39.3% ರಷ್ಟು mAP50 ಅನ್ನು ಮತ್ತು SeaDroneSeeV2 ನಲ್ಲಿ 84.0% ರಷ್ಟು mAP50 ಅನ್ನು ಸೂಚಿಸುತ್ತವೆ, ಇದೇ ಬರೀ 88.1% ರಷ್ಟು ಮಾನ್ಯ ಆಕರ್ಷಣೆದು, ಇದರಿಂದ 5.4 ms ರಷ್ಟು ಶ್ರೇಣಿಯ ತೀವ್ರ ollದ್ದು.
ಉಸ್ತಿ ಕರ್ತಾ ವಿಷಯ ಸ್ಥಿತಿಯನ್ನು ಹೇಗೆ ನೀಡುತ್ತದೆ?
ಇದು ಹೆಚ್ಚಿನ ಶಕ್ತಿಯ ಅಥವಾ ಸಾಮರ್ಥ್ಯಕ್ಕೆ ತುರ್ತುಗಳ ಪೈಕಿ, ಕಾರ್ಯಾಚರಣೆಯ ರೂಪಾಂತರ ದೃಷ್ಟಿಯನ್ನು ನೀಷ್ಕ್ರಿಯೆಯದಲ್ಲಿ ಎಳೆಯಾಗಿದೆ.
ಅನುಕೂಲವು ಮಾರ್ಪಡಿಸುವಿಕೆ ಹಿನ್ನೆಯನ್ನು ಬಳಸುತ್ತದೆ?
SORA-DET ನಲ್ಲಿ ಸೇರಿಸಲಾದ ವಿವರವು ಕ್ರಿಯೆಯನ್ನು ಹೊರಗೊಮ್ಮಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ, ಆದರೆ ಪರಿಣಾಮಾಕಿನ ಉತ್ಪ್ರೇತದ ಕ್ರಮಾರೇರಕಗಳು ಅಥವಾ ನಿಖರ ವ್ಯಾಪ್ಟೆಡಿ ಪ್ರತಿಷ್ಠಾಪವೇ ಇದರಲ್ಲಿ ವ್ಯಾಪ್ತಿ ಪ್ರಸಂಗವನ್ನು ಬೆಳಕಿನಲ್ಲಿಯ ಗತಿಯ ಹಿನ್ನೆಯ ಸಮರ್ಥತೆ.
SORA-DET ಅನ್ನು ಯಾರು ಅಭಿವೃದ್ಧಿ ಪಡಿಸಿದರು ಮತ್ತು ಇದು ಯಾವಾಗ ಪ್ರಕಟಿತವಾಗಿದೆ?
SORA-DET ಅನ್ನು ಹೊಂಗ್ ವಿಯೆಟ್ ಆನ್ ಲೇ ನೇತೃತ್ವದಲ್ಲಿ ಒಸಾಕಾ ಮೆಟ್ರೋಪೋಲಿಟನ್ ವಿಶ್ವವಿದ್ಯಾಲಯದ ಸಂಶೋಧನಾ ತಂಡವು ಅಭಿವೃದ್ಧಿ ಮಾಡಿದ್ದು, ಇದರ ಫಲಿತಾಂಶಗಳು ವಿಜ್ಞಾನ ವರದಿಗಳಲ್ಲಿ ಪ್ರಕಟಣೆಗೊಂಡಿವೆ.
ಈ ಹೊಸ ನಿರ್ದಿಷ್ಟ ಅನುಕರಣಗಳು ಯಾವ ತರಹದ ಅಪ್ಲಿಕೇಶೆಗೆ ಪ್ರಯೋಜನ ನೀಡುತ್ತವೆ?
ಅಪ್ಲಿಕೇಶನ್ಗಳು ವಿಘಟನೆ, ಶೋಧ ಮತ್ತು ಶರಣಾಲಯ ಪರಿಪೂರ್ಣಿಸುತ್ತವೆ ಅಥವಾ ಪರಿಸರ ಮತ್ತು ಶ್ರೇಣೆಗಳನ್ನು ಸ್ಥಿತಿಗತಿಕವಾಗಿ ಚಲಾವಣೆಯ ನಿರ್ದಿಷ್ಟವಾಗಿ ಪರಿಹಾರವನ್ನು ಪಡೆಯುತ್ತವೆ.
ತೂಕ ಆಧಾರಿತ ಗ್ರಹಣ ರೂಪಗಳು, ಉದಾಹರಣೆಗಾಗಿ SORA-DET ಗೆ ಇತ್ತೀಚಿನ ಭವಿಷ್ಯವೇನು?
SORA-DET ಯಂತಹ ತೂಕ ಆಧಾರಿತ ಗಣನೆಗಳು, ಡ್ರೋನ್ಗಳಲ್ಲಿ ಶ್ರೇಣಾಧಾರಿತ ಲಭ್ಯಗಳ ಜೊತೆಗೂಡಿದಾಗ, ಪರವರ್ತನೆಯ ಸೂಚಿಸುತ್ತವೆ ಉಲ್ಬಣಗಳಲ್ಲಿ ಶ್ರೇಣಾಚಿಕೆಯ ಅನೇಕರ ಐಕ್ಯವನ್ನು ಉತ್ತೇಜಿಸುತ್ತವೆ.
