Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Optimization of Animal Detection in Thermal Images Using YOLO Architecture

Popek Łukasz, Perz Rafał, Galiński Grzegorz, Abratański Artur

International Journal of Electronics and Telecommunications

2023

Vol. 69, No. 4

826--831

The article presents research on animal detection in thermal images using the YOLOv5 architecture. The goal of the study was to obtain a model with high performance in detecting animals in this type of images, and to see how changes in hyperparameters affect learning curves and final results. This manifested itself in testing different values of learning rate, momentum and optimizer types in relation to the model’s learning performance. Two methods of tuning hyperparameters were used in the study: grid search and evolutionary algorithms. The model was trained and tested on an in-house dataset containing images with deer and wild boars. After the experiments, the trained architecture achieved the highest score for Mean Average Precision (mAP) of 83%. These results are promising and indicate that the YOLO model can be used for automatic animal detection in various applications, such as wildlife monitoring, environmental protection or security systems.

Porównanie różnych metod detekcji i rozpoznawania zwierząt na obrazach z kamery termowizyjnej

Popek Łukasz, Perz Rafał, Galiński Grzegorz

Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne

2022

nr 4

396--399

Dla większości dziko żyjących zwierząt szczyt aktywności przypada na godziny nocne – ich obserwacja możliwa jest tylko przy użyciu specjalistycznych urządzeń. W niniejszej pracy zostało przeprowadzone porównanie różnych metod detekcji zwierząt na zdjęciach z kamery termowizyjnej: klasycznych (HOG/SVM) oraz opartych na głębokich sieciach neuronowych. Podczas testów na zbiorze danych zawierającym dwie rodziny zwierząt (Cervidae i Suidae) dla sieci YOLOv3 otrzymano wyniki mAP powyżej 90% dla IoU>50%.

For most wild animals, peak of activity takes place during the night hours - their observation is possible only with the use of specialized equipment. In this study, a comparison of different methods for animal detection in thermal camera images was performed: classical (HOG/SVM) and based on deep neural networks. When tested on a dataset containing two animal families (Cervidae and Suidae) for the YOLOv3 network, obtained mAP was above 90% for IoU>50%.