Key points are not available for this paper at this time.
Dieses Papier bewertet experimentell die erforderliche Auflösung eines Teleskopsystems, um eine zuverlässige tiefenlernenbasierte Langstrecken-UAV-Erkennung zu ermöglichen. FRCNN, ein hochmodernes tiefenlernendes Objekterkennungsmodell, wird für die UAV-Erkennung mit einem benutzerdefinierten Datensatz feinjustiert. Ein Testdatensatz wurde erstellt, der einen kleinen UAV vor einem klaren und komplexen Hintergrund aus Entfernungen von 500 m bis 2500 m mit einem Teleskop mit einer Brennweite von 1325 mm und einer Blende von 102 mm zeigt. In jeder Entfernung wird die Auflösung mit einer modifizierten Version des Auflösungsdiagramms der US-Luftwaffe gemessen. Die Ergebnisse zeigen, dass ein kleiner UAV mit einem mAP(0.5) von über 90 % vor einem komplexen Hintergrund bis zu einer Entfernung von 1167 m erkannt wird, bei einer minimalen Auflösung von 9:3 mm oder 8 μrad und bis zu 2222 m vor einem klaren Hintergrund bei einer minimalen Auflösung von 38 mm oder 17:1 μrad.
Ojdanić et al. (Fri,) haben diese Frage untersucht.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: