Deteção de alvos terrestres a partir de um UAV, em apoio a Operações Anfíbias

Detalhes bibliográficos
Autor(a) principal: Pinto, André Couto Astorga Batista
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10400.26/42183
Resumo: Nas últimas décadas, os confrontos militares têm dependido, a uma larga escala, de novas e avançadas tecnologias, conduzindo a uma mudança de paradigma ao que respeita as operações militares. Esta mudança deve-se, essencialmente, à tentativa de mitigar erros que se verificaram em operações passadas, otimizar recursos e salvaguardar vidas humanas, garantindo ao mesmo tempo o sucesso e estado final desejado de qualquer operação. É neste espectro que são introduzidos os Unmanned Aerial Vehicles (UAVs) e a significante vantagem que os mesmos possuem em prol de qualquer operação, desde a redução do custo de vidas humanas, ao apoio direto e indireto no campo de batalha, ao aumento do conhecimento situacional do terreno e do inimigo. Neste trabalho, é apresentado como, a partir de uma câmara integrada de um UAV, é possível fazer a deteção automática de alvos terrestres (militares) e a sua diferenciação com civis, em tempo real, usando uma rede neuronal de deteção de objetos. Partindo da aquisição de uma base de dados, grande e variada, capturada por drones comerciais e imagens extraídas da Internet. Após isto, foi necessário fazer a escolha da rede neuronal para este fim, que recaiu sobre o YOLOv4-tiny, sendo uma rede rápida na deteção de objetos em tempo real e com bons resultados de precisão. De seguida, foi necessário realizar a anotação de todos os militares em cada imagem, utilizando um programa gratuito de anotação de imagens (DarkLabel 2.4). Após isto, treinámos, validámos e testámos a rede, aferindo quais os melhores resultados e pesos a serem utilizados na deteção de militares. Por fim, olhámos para as limitações e trabalhos futuros a serem desenvolvidos na continuidade deste trabalho
id RCAP_3b8d3ea8156528a73ee4ddb78781f994
oai_identifier_str oai:comum.rcaap.pt:10400.26/42183
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Deteção de alvos terrestres a partir de um UAV, em apoio a Operações AnfíbiasOperações MilitaresUAVsDeteção de ObjetosRedes NeuronaisYOLODomínio/Área Científica::Ciências Sociais::Outras Ciências SociaisNas últimas décadas, os confrontos militares têm dependido, a uma larga escala, de novas e avançadas tecnologias, conduzindo a uma mudança de paradigma ao que respeita as operações militares. Esta mudança deve-se, essencialmente, à tentativa de mitigar erros que se verificaram em operações passadas, otimizar recursos e salvaguardar vidas humanas, garantindo ao mesmo tempo o sucesso e estado final desejado de qualquer operação. É neste espectro que são introduzidos os Unmanned Aerial Vehicles (UAVs) e a significante vantagem que os mesmos possuem em prol de qualquer operação, desde a redução do custo de vidas humanas, ao apoio direto e indireto no campo de batalha, ao aumento do conhecimento situacional do terreno e do inimigo. Neste trabalho, é apresentado como, a partir de uma câmara integrada de um UAV, é possível fazer a deteção automática de alvos terrestres (militares) e a sua diferenciação com civis, em tempo real, usando uma rede neuronal de deteção de objetos. Partindo da aquisição de uma base de dados, grande e variada, capturada por drones comerciais e imagens extraídas da Internet. Após isto, foi necessário fazer a escolha da rede neuronal para este fim, que recaiu sobre o YOLOv4-tiny, sendo uma rede rápida na deteção de objetos em tempo real e com bons resultados de precisão. De seguida, foi necessário realizar a anotação de todos os militares em cada imagem, utilizando um programa gratuito de anotação de imagens (DarkLabel 2.4). Após isto, treinámos, validámos e testámos a rede, aferindo quais os melhores resultados e pesos a serem utilizados na deteção de militares. Por fim, olhámos para as limitações e trabalhos futuros a serem desenvolvidos na continuidade deste trabalhoIn recent decades, military clashes have depended on a wide range of new and advanced technologies, leading to a paradigm shift in military operations. This change is mainly due to the attempt to mitigate errors that have occurred in past operations, optimize resources and safeguard human lives, while ensuring the success and desired end state of any operation. It is in this spectrum that Unmanned Aerial Vehicles (UAVs) are introduced and their significant advantage in favor of any operation, from the reduction of the cost of human lives, to direct and indirect support on the battlefield, to the increase of situational awareness of the terrain and the enemy. In this paper, it is presented how, from an UAV camera, it is possible to make the automatic detection of ground targets (military) and its differentiation with civilians, in real time, using a neural network of object detection. Starting with the acquisition of a database, large and varied, captured by commercial drones and images extracted from the Internet. After this, it was necessary to choose the neural network, which fell on YOLOv4-tiny, being a fast network in detecting objects in real time and with good accuracy results. Next, it was necessary to perform the annotation of all the military objects in each image, using a free image annotation program (DarkLabel 2.4). After this, we trained, validated and tested the network, to know which results and weights were best to use for military detection. Finally, we looked at the limitations and future work to be done in continuing this work.Damas, Bruno DuarteSantos, Nuno Alexandre Antunes Martins PessanhaRodrigues, Vitor Manuel BorgesRepositório ComumPinto, André Couto Astorga Batista2022-11-02T14:51:57Z2022-092022-09-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.26/42183203074815porinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2022-12-21T04:00:28Zoai:comum.rcaap.pt:10400.26/42183Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T16:14:15.500123Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Deteção de alvos terrestres a partir de um UAV, em apoio a Operações Anfíbias
title Deteção de alvos terrestres a partir de um UAV, em apoio a Operações Anfíbias
spellingShingle Deteção de alvos terrestres a partir de um UAV, em apoio a Operações Anfíbias
Pinto, André Couto Astorga Batista
Operações Militares
UAVs
Deteção de Objetos
Redes Neuronais
YOLO
Domínio/Área Científica::Ciências Sociais::Outras Ciências Sociais
title_short Deteção de alvos terrestres a partir de um UAV, em apoio a Operações Anfíbias
title_full Deteção de alvos terrestres a partir de um UAV, em apoio a Operações Anfíbias
title_fullStr Deteção de alvos terrestres a partir de um UAV, em apoio a Operações Anfíbias
title_full_unstemmed Deteção de alvos terrestres a partir de um UAV, em apoio a Operações Anfíbias
title_sort Deteção de alvos terrestres a partir de um UAV, em apoio a Operações Anfíbias
author Pinto, André Couto Astorga Batista
author_facet Pinto, André Couto Astorga Batista
author_role author
dc.contributor.none.fl_str_mv Damas, Bruno Duarte
Santos, Nuno Alexandre Antunes Martins Pessanha
Rodrigues, Vitor Manuel Borges
Repositório Comum
dc.contributor.author.fl_str_mv Pinto, André Couto Astorga Batista
dc.subject.por.fl_str_mv Operações Militares
UAVs
Deteção de Objetos
Redes Neuronais
YOLO
Domínio/Área Científica::Ciências Sociais::Outras Ciências Sociais
topic Operações Militares
UAVs
Deteção de Objetos
Redes Neuronais
YOLO
Domínio/Área Científica::Ciências Sociais::Outras Ciências Sociais
description Nas últimas décadas, os confrontos militares têm dependido, a uma larga escala, de novas e avançadas tecnologias, conduzindo a uma mudança de paradigma ao que respeita as operações militares. Esta mudança deve-se, essencialmente, à tentativa de mitigar erros que se verificaram em operações passadas, otimizar recursos e salvaguardar vidas humanas, garantindo ao mesmo tempo o sucesso e estado final desejado de qualquer operação. É neste espectro que são introduzidos os Unmanned Aerial Vehicles (UAVs) e a significante vantagem que os mesmos possuem em prol de qualquer operação, desde a redução do custo de vidas humanas, ao apoio direto e indireto no campo de batalha, ao aumento do conhecimento situacional do terreno e do inimigo. Neste trabalho, é apresentado como, a partir de uma câmara integrada de um UAV, é possível fazer a deteção automática de alvos terrestres (militares) e a sua diferenciação com civis, em tempo real, usando uma rede neuronal de deteção de objetos. Partindo da aquisição de uma base de dados, grande e variada, capturada por drones comerciais e imagens extraídas da Internet. Após isto, foi necessário fazer a escolha da rede neuronal para este fim, que recaiu sobre o YOLOv4-tiny, sendo uma rede rápida na deteção de objetos em tempo real e com bons resultados de precisão. De seguida, foi necessário realizar a anotação de todos os militares em cada imagem, utilizando um programa gratuito de anotação de imagens (DarkLabel 2.4). Após isto, treinámos, validámos e testámos a rede, aferindo quais os melhores resultados e pesos a serem utilizados na deteção de militares. Por fim, olhámos para as limitações e trabalhos futuros a serem desenvolvidos na continuidade deste trabalho
publishDate 2022
dc.date.none.fl_str_mv 2022-11-02T14:51:57Z
2022-09
2022-09-01T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10400.26/42183
203074815
url http://hdl.handle.net/10400.26/42183
identifier_str_mv 203074815
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799130596760354816

Registros relacionados