การตรวจจับวัตถุในภาพถ่ายทางอากาศด้วยเทคนิคโครงข่ายประสาทเทียม

Abstract

บทความนี้กล่าวถึงการศึกษาการตรวจจับภาพถ่ายทางอากาศ ซึ่งเป็นภาพที่ได้จากอากาศยานไร้คนขับ (Unmanned Aerial Vehicle: UAV) มาวิเคราะห์ด้วยหลักการเรียนรู้ของโครงข่ายประสาทเทียมกับภาพถ่ายทางอากาศ โดยการศึกษานี้ผู้เขียนทบทวนวรรณกรรมด้านการวิเคราะห์ภาพเพื่อการตรวจจับวัตถุ และศึกษาค้นคว้าว่ามีโมเดลใดบ้างที่เหมาะกับงานด้านการตรวจจับวัตถุ โดยเลือกโมเดลตรวจจับ YOLO, RetinaNet และ Fast R-CNN แล้วทำการศึกษาและทำการทดลองว่าการตรวจจับโดยใช้ภาพถ่ายทางอากาศด้วยอากาศยานไร้คนขับนั้น ควรใช้โมเดลตรวจจับชนิดใดที่สอดคล้องกับอุปกรณ์ที่ใช้ในการรับภาพให้เหมาะสม ซึ่งจากผลการทดลองพบว่า ผลการใช้ YOLO มีผล mAP ถึง 58.5% และความไวในการทำงาน 158.13 เฟรมต่อวินาที ซึ่งมีความแม่นยำและความรวดเร็วในการตรวจจับมากกว่าโมเดลตัวอื่น ๆ ที่ใช้ในการทดลองภาพถ่ายทางอากาศของอากาศยานไร้คนขับ