Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightBu çalışmanın sonuçları, farklı YOLO mimari tasarımlarının nesne tespiti ve sınıflandırma işlemlerinde yüksek performans elde ettiğini göstermektedir.
📌 3 Maddede Bu Makale
Özet
Düşman hedeflerinin tespiti ve takibi, askeri operasyonlar için hayati öneme sahiptir. Bu çalışmada, kamufle tankların tespiti için derin öğrenme tekniklerinin kullanılması incelenmektedir. Bu çalışmanın temel amacı, ormanlık alanlarda gizlenmiş kamufle tankların tespit edilmesini sağlamaktır. Bu sayede, düşman hedeflerinin tespiti ve takibi daha etkili bir şekilde yapılabilmekte ve askerlerin güvenliği sağlanabilmektedir. YOLO mimarisi, nesne tespiti ve sınıflandırma işlemlerini tek bir ağda birleştirerek daha hızlı ve doğru sonuçlar elde etmeyi sağlamaktadır. YOLOv5, YOLOv6, YOLOv7 ve YOLOv8 mimari tasarımları karşılaştırılmıştır. YOLOv6 mimari tasarımı, diğer tasarımlardan daha iyi performans göstermiştir. Bu tasarım, 2.234 adet tank görüntüsü ve 774 adet otomobil görüntüsü kullanılarak yapılan performans analizi sonucunda 0,983 mAP50 değerini, 0,966 kesinliği, 0,935 anma ve 0,950 F1 skorunu elde etmiştir. Bu çalışmanın sonuçları, farklı YOLO mimari tasarımlarının nesne tespiti ve sınıflandırma işlemlerinde yüksek performans elde ettiğini göstermektedir.
Abstract
Detection and tracking of enemy targets is vital to military operations. In this study, the use of deep learning techniques to detect camouflaged tanks is examined. The main purpose of this study is to detect camouflaged tanks hidden in forest areas. In this way, the detection and tracking of enemy targets can be done more effectively and the security of the soldiers can be ensured. The YOLO architecture combines object detection and classification into a single network, resulting in faster and more accurate results. YOLOv5, YOLOv6, YOLOv7 and YOLOv8 architectural designs are compared. The YOLOv6 architectural design outperforms other designs. This design obtained 0,983 mAP50 value, 0,966 precision, 0,935 recall and 0,950 F1 score as a result of performance analysis using 2.234 tank images and 774 car images. The results of this study show that YOLO architectural designs show high performance in object detection and classification.