Investigation of the effect of object size on accuracy of human localisation in images acquired from unmanned aerial vehicles

Abstract

The use of unmanned aerial vehicles is gaining wide popularity in various areas of research and information acquisition. More and more often, unmanned aerial vehicles are used to obtain various types of images of the Earth’s surface for its study. In particular, such data can be used in law enforcement, localization of crowds, etc. Typically, such systems operate independently of humans and provide information about objects in an automatic mode, with humans working only under the control of the aircraft. One of the main components of such systems is a neural network for localization and classification of objects, the parameters of which determine both the accuracy of the system as a whole and the design of the aircraft for shooting. In particular, the accuracy of the neural network determines the profitability of such a system, because if the accuracy is insufficient, the use of such systems will not make sense. Therefore, the main subject of research in this paper is a neural network for object localization, in particular YOLO v5, and its accuracy parameters on images obtained from unmanned aerial vehicles. The main focus of this paper is on the parameters of the neural network and the study of its metrics, which are important parameters of a trained neural network. Another important parameter for the further use of a neural network is its training parameters, as well as the data used for training. This study also pays attention to the details of the training process. The main goal of this study is to train a neural network on a selected dataset and to study the accuracy metrics of the trained neural network. The main goal of this study is to determine the dependence of localization accuracy on the area of the object, which will allow for more detailed development of unmanned systems with automatic object detection, as well as to assess the profitability of using such systems in task planning. On the basis of the data obtained, conclusions were drawn about the dependence of localization accuracy on the area of an object in images from unmanned aerial vehicles. These data can serve as a reference for unmanned aerial vehicle developers, particularly when selecting photo modules or planning the system architecture.

Використання безпілотних літальних апаратів набирає широкої популярності в різних сферах досліджень та отримання інформації. Дедалі частіше безпілотні літальні апарати використовуються для отримання різного типу зображень земної поверхні для її дослідження. Зокрема такі дані можуть бути використані в задачах забезпечення правопорядку, локалізації скупчення людей, тощо. Зазвичай такі системи працюють незалежно від людини та надають інформацію про об’єкти в автоматичному режимі, людина працює тільки з управлінням літального апарату. Однією з головних частин таких систем є нейронна мережа, для локалізації та класифікації об’єктів, від параметрів якої залежить як і точність роботи системи загалом, так і конструкції літального апарату для зйомки. Зокрема точність нейронної мережі визначає рентабельність такої системи, адже при недостатній точності використання таких систем не матиме сенсу. Саме тому основним предметом дослідження в даній роботі є нейронна мережа для локалізації об’єктів, зокрема YOLO v5, та її параметри точності роботи на зображеннях, отриманих з безпілотних літальних апаратів. Основна увага в роботі зосереджена на параметрах нейронної мережі та дослідженні її метрик, які є важливим параметром навченої нейронної мережі. Також не менш важливим параметром подальшого використання нейронної мережі є її параметри навчання, а також дані що використані для навчання, в роботі приділена увага також і до детальності опису процесу навчання. Основна ціль роботи полягає в навчанні нейронної мережі на обраному наборі даних та дослідженні метрик точності навченої нейронної мережі. Основна мета дослідження - це отримання залежності точності локалізації від площі об’єкту, що дозволить детальніше розробляти безпілотні системи з автоматичним виявленням об’єктів, а також оцінювати рентабельність застосування такого роду систем при плануванні задач. На основі отриманих даних зроблено висновки про залежність точності локалізації від площі об’єкту, на зображеннях з безпілотних літальних апаратів. Ці дані можуть слугувати опорними для розробників безпілотних літальних апаратів, зокрема при виборі фото модулів чи плануванні архітектури системи.