Ortografinių nuotraukų detalus lyginimas

Ištrauka

Ortografinių nuotraukų detalus lyginimas
Bakalauro baigiamasis darbas

Santrauka
Dronų vietai nustatyti plačiausiai yra naudojama globali lokalizacijos sistema (GPS). Tačiau,
būna atvejų, kai GPS ryšys yra nepasiekiamas. Tam yra naudinga turėti alternatyvius pozicijos
nustatymo būdus. Vienas iš jų – palyginti drono padarytas nuotraukas su atmintyje išsaugotu
žemėlapiu. Šiame darbe yra tiriamas modernaus neuroninio tinklo CenterNet2 tinkamumas atlikti
nuotraukų palyginimo užduotį. Šio tinklo tikslumas bei greitis bus lyginami su kitais plačiai
naudojamais tinklais – VGG16, ResNet50, MobileNet, EfficientNet ir EfficientNetV2. Šie tinklai
naudojami kaip pagrindas trejetų neuroniniuose tinkluose.
Raktiniai žodžiai: dronų lokalizacija, trejetų tinklas, CenterNet2, GPS alternatyva

Turinys
ĮVADAS 5
1. NEURONINIAI TINKLAI 6
2. TREJETŲ NEURONINIAI TINKLAI 8
3. TYRIME NAUDOTI TINKLAI 10
3.1. CenterNet2 10
3.2. VGG­16 11
3.3. ResNet 12
3.4. MobileNet 12
3.5. EfficientNet 12
3.6. EfficientNetV2 13
3.7. DLA 13
4. DUOMENŲ RINKINYS 14
4.1. Sentinel­2 14
4.2. Duomenų rinkinio sudarymas 16
5. EKSPERIMENTAI 17
5.1. Trejetų nuotraukų palyginimo tikslumas 17
5.2. Nuotraukų palyginimo greitis 19
5.3. Panašumo nustatymas slenkant nuotraukas 20
REZULTATAI 23
IŠVADOS 24
ŠALTINIAI 25

Įvadas
Šiais laikais vis populiarėja bepiločiai orlaiviai, taip pat vadinami dronais. Jų panaudojimas yra
itin platus – paieškos ir gelbėjimo operacijose [SKB21], agrikultūroje [MD18], gamtos stebėjimuose
[MMM+18], skubiai transportuojant medicinos priemones [SS17] ir pan. Kad bepiločiai dronai
veiktų sėkmingai, jiems yra svarbu tiksliai žinoti savo poziciją. Dažniausiai tam yra naudojamas
GPS signalas, nes jis gali greitai ir itin tiksliai nustatyti drono poziciją, aukštį bei greitį. Pagrindinė
problema su GPS, tai kad jis veikia tik esant ryšiui su GPS palydovais. Nors šiais laikais yra
prieinama itin daug skirtingų GPS ryšio tiekėjų (GPS, GLONASS, BDS, GALILEO, QZSS), ryšys
gali nutrūkti tiek dėl natūralių priežasčių, kaip blogos oro sąlygos, tiek dirbtinai užteršiant ryšį
trikdžiais. Todėl yra naudinga turėti alternatyvius būdus nustatyti drono poziciją.
Vienas iš šių alternatyvių būdų – naudojant drone esančią kamerą padaryti žemės nuotraukas
[JM17]. Šias nuotraukas galima palyginti su iš anksto įrašytu žemėlapiu, kad nustatyti apytikslę
drono poziciją. Šiam darbui atlikti yra itin tinkami trejetų neuroniniai tinklai, kurių paskirtis yra
lyginti duomenų taškus, šiuo atveju – drono ir žemėlapio nuotraukas. Kuriant dronus yra itin
atsižvelgiama į jų sunaudojamos elektros kiekį, ir dėl to juose esanti duomenų apdorojimo galia
yra ribota. Svarbu, kad pasirinkti modeliai sunaudotų kuo mažiau elektros ir veiktų greitai, kad
galima būtų nustatyti vietą realiu laiku.
2021­ais metais buvo sukurtas naujos rūšies neuroninis tinklas CenterNet2 [ZKK21]. Skir­
tingai nuo tradicinių metodų, kuriuose naudojami inkarai (angl. Anchors), CenterNet2 naudoja
pasitikėjimo šilumos žemėlapį (angl. Confidence heatmap), kad greitai pašalintų neteisingas
prognozes ir taip pagerintų efektyvumą. Taip pat jame naudojamas naujas algoritmas, vadinamas
tikimybiniu dviejų etapų aptikimu (angl. Probabilistic two­stage detectron), kuris gerokai padidina
objektų aptikimo tikslumą ir patikimumą. Jo rezultatai objektų atpažinime yra itin geri, ir todėl
bus tiriama, ar jį įmanoma panaudoti ir nuotraukų palyginimo užduočiai atlikti.
Šio darbo tikslas – sukonstruoti ir apmokyti trejetų tinklą, paremtą CenterNet2 neuroninio
tinklo baziniais sluoksniais, ir įvertinti jo tikslumą, efektyvumą, ir panaudojamumą dronuose. Taip
pat palyginti su kitais trejetų tinklais, paremtais plačiai naudojamų tinklų – VGG16, ResNet50,
MobileNet, EfficientNet ir EfficientNetV2 – baziniais sluoksniais.
Keliami šio darbo uždaviniai:
1.Paruošti ortografinių nuotraukų duomenų rinkinį iš Sentinel­2 palydovinių duomenų,
kuris bus naudojamas neuroniniams tinklams apmokyti.
2.Sukonstruoti CenterNet2 baziniais sluoksniais paremtą trejetų neuroninį tinklą.
3.Palyginti naujai sukurto tinklo tikslumą ir efektyvumą su kitais trejetų tinklais, apmokytais
naudojant paruoštą duomenų rinkinį.