Savaşan İnsansız Hava Aracı için Hedef Takip Sistemi

Hazır veri setleri yetersiz olduğundan youtube videolarından veri seti toplayacağız. Açık kaynak İnsansız Sabit Kanat Arac veri seti bulmak zor olduğundan dolayı kendii veri setimizi toplayıp bunu halka açık halinden paylaşmayı hedeflemekteyiz. Bu hedefi başka repoda gerçekleştirmekteyim.

• Açık Kaynak İnsansız Hava Araç Veri Seti[1]
  

• Youtube videosu indirmek için:https://tr.savefrom.net/1-how-to-download-youtube-video.html
• Video üzerindeki kare görüntüleri indirmek için:split-videos-to-frames.py "split-videos-to-frames.py" dosyasını düzeneleyip çalıştıracağız.
• Veri setindeki resimleri belli bir boyuta indirmek için: image_resize.py dosyasını düzeneleyip çalıştıracağız.
  

Yüksek doğruluk oranı elde etmek için, yüksek kaliteli resimler bulmalıyız. Bunun için HD kalitede çekilmiş İnsansız Hava Araçlar videolarını bulmalıyız. Bunu daha iyi anlamak için bir akademik makaleyi okumanızı tavsiye ederim.

• Understanding How Image Quality Affects Deep Neural Networks[2]
  Veri seti için oluşturmak için kullandığımız video kanalı:
  

• https://www.youtube.com/channel/UCUbR76-7gPBX7MR5nTEDbCA

Toplam 20 video üzerinden esimler indirip etiketleme yapacağım. Veri etiketleme için makesense.ai sitesini kullanacağız. Veri setlerinin boyutu fazla olduğundan dolayı örnek olması açısından 50 etiketli resim paylaşacağım.

1000 etiketli veri setini yolov4-tiny modelindeki test sonuçları:

Sonuç ve Değerlendirme: 07.03.2021 tarihinde yayınlanacaktır.

• Yolov4, Yolov4x-Mish, Yolov4-Csp ve Yolov5-Pytorch ile Eğitim ve Test.
• Yolov4, Yolov4x-Mish, Yolov4-Csp ve Yolov5-Pytorch modellerinin Karşılaştırılması.
• Test ettiği resimlerden kordinat ve nesne bilgisini .txt dosyasına yazdırma.
• Opencv Kullanarak Yolo Modellerini Test.
• Yolo modelini TF2-YOLO ve Yolov4-TensorRT modeline çevirme.
• Projeyi Script Haline Getirme.

Kaynaklar:

[1] : https://github.com/kadirnar/uav-datasets [2] : https://arxiv.org/pdf/1604.04004.pdf