Ανίχνευση και παρακολούθηση μη επανδρωμένων αεροσκαφών με χρήση τεχνικών βαθιάς μάθησης σε δεδομένα βίντεο

Παπαγεωργίου, Κωνσταντίνος; Papageorgiou, Konstantinos

dc.contributor.author	Παπαγεωργίου, Κωνσταντίνος	el
dc.contributor.author	Papageorgiou, Konstantinos	en
dc.date.accessioned	2023-01-26T13:20:48Z
dc.date.available	2023-01-26T13:20:48Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/56948
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.24646
dc.description	Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) “Γεωπληροφορική”	el
dc.rights	Αναφορά Δημιουργού 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by/3.0/gr/	*
dc.subject	ΣμηΕΑ	el
dc.subject	Ανίχνευση αντικειμένων	el
dc.subject	Παρακολούθηση αντικειμένων	el
dc.subject	Μηχανική όραση	el
dc.subject	Μηχανική μάθηση	el
dc.subject	UAV	en
dc.subject	Object detection	en
dc.subject	Object tracking	en
dc.subject	YOLO	en
dc.subject	DeepSORT	en
dc.title	Ανίχνευση και παρακολούθηση μη επανδρωμένων αεροσκαφών με χρήση τεχνικών βαθιάς μάθησης σε δεδομένα βίντεο	el
dc.title	UAV Detection and Tracking in video datasets with Deep Learning	en
heal.type	masterThesis
heal.classification	Μηχανική Μάθηση	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2022-11-29
heal.abstract	Πρόσφατες τεχνολογικές εξελίξεις στα Συστήματα μη Επανδρωμένων Αεροσκαφών (ΣμηΕΑ) έχουν καταστήσει τη χρήση τους για παράνομες ενέργειες ιδιαιτέρως εύκολη και χαμηλού κόστους. Αυτή η εργασία εστιάζει στην ανίχνευση και ιχνηλάτηση ΣμηΕΑ σε βίντεο από κάμερες εμπορίου με χρήση τεχνικών βαθιάς εκμάθησης. Χρησιμοποιήθηκε ένα σύνολο δεδομένων βίντεο υψηλής ανάλυσης από το Πολυτεχνείο της Ζυρίχης, ενώ η επισημείωση των δεδομένων πραγματοποιήθηκε με χρήση του λογισμικού CVAT. Υλοποιήθηκε ο αλγόριθμος ανίχνευσης αντικειμένων YOLO και ο αλγόριθμος παρακολούθησης αντικειμένων DeepSORT στη γλώσσα προγραμματισμού Python. Διαφορετικές εκδόσεις των μοντέλων εκπαιδεύτηκαν σε ένα υποσύνολο των δεδομένων λόγω του υψηλού υπολογιστικού κόστους και άλλα υποσύνολα χρησιμοποιήθηκαν για τον υπολογισμό της μέσης ακρίβειας mAP.	el
heal.advisorName	Καράντζαλος, Κωνσταντίνος	el
heal.committeeMemberName	Καράντζαλος, Κωνσταντίνος	el
heal.committeeMemberName	Παπακανέλλος, Παναγιώτης	el
heal.committeeMemberName	Αργιαλάς, Δημήτριος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Αγρονόμων και Τοπογράφων Μηχανικών	el
heal.academicPublisherID	ntua
heal.numberOfPages	72 σ.	el
heal.fullTextAvailability	false