Application of YOLOX deep learning model for automated object detection on thermograms

Скорочена інформація про документ
dc.contributor.authorSkladchykov, Ivan
dc.contributor.authorMomot, Andrii
dc.contributor.authorGalagan, Roman
dc.contributor.authorBohdan, Halyna
dc.contributor.authorTrotsiuk, Kateryna
dc.date.accessioned2023-02-14T12:52:53Z
dc.date.available2023-02-14T12:52:53Z
dc.date.issued2022-01-26
dc.description.abstractenA method of automating the data analysis of thermal imaging systems in the field of safety control is proposed. It has been established that today video surveillance technologies have a number of disadvantages that can be eliminated by using thermal imaging cameras. Analysis of infrared images can be automated in order to reduce percentage of false positives and increase the efficiency of thermal imaging video surveillance systems. A high level of interference, unclear object contours and low image resolution are real problems in automating the object detecting process on thermographic images. The traditional and promising methods of thermograms analysis and approaches that can lead to creating the automated thermal video surveillance systems are discussed. It is proposed to use deep learning, which in recent years has proven itself as an effective way of image analysis. The study is based on review of existing works, as methods of automating the object detection process on thermograms. It is proposed to use YOLOX as a deep learning model, which has one of the best quality indicators and speed processing input parameters on standard datasets. FLIR’s Thermal Starter annotated set of thermal images is used to train the model, which value of mAP at the level of 55% is obtained according the results of model training for recognizing 4 classes of objects on thermograms. Different advantages and disadvantages of this development are analyzed. Ways of further improvement of the neural network method of automation of thermal imaging safety control systems have been determined.uk
dc.description.abstractukЗапропоновано метод автоматизації аналізу даних тепловізійних систем у галузі контролю безпеки. Встановлено, що на сьогодні технології відеоспостереження мають низку недоліків, яких можна позбутись, використовуючи тепловізійні камери. Для зниження відсотків хибних спрацювань та підвищення ефективності тепловізійних систем відеонагляду аналіз інфрачервоних зображень можна автоматизувати. Недоліком в автоматизації детектування об’єктів на термографічних зображеннях є високий рівень завад, нечіткі контури об’єктів, низька роздільна здатність зображень. Розглянуто традиційні та перспективні методи аналізу термограм та підходи до створення автоматизованих систем теплового відеонагляду. На основі огляду існуючих праць як метод автоматизації детектування об’єктів на термограмах запропоновано використовувати глибинне навчання, яке за останні роки зарекомендувало себе як ефективний засіб аналізу зображень. За модель глибинного навчання запропоновано вживати YOLOX, яка має одні з найкращих показників якості та швидкості оброблення вхідних параметрів на стандартних наборах даних. Для навчання моделі використано анотований набір теплових зображень Thermal Starter від компанії FLIR. За результатами навчання моделі для розпізнавання чотирьох класів об’єктів на термограмах отримано значення mAP на рівні 55%. Проаналізовано переваги та недоліки цієї розробки. Визначено шляхи подальшого вдосконалення нейромережевого методу автоматизації тепловізійних систем контролю безпеки.uk
dc.format.pagerangeС. 69-77uk
dc.identifier.citationApplication of YOLOX deep learning model for automated object detection on thermograms / I. O. Skladchykov, A. S. Momot, R. M. Galagan, H. A. Bohdan, K. M. Trotsiuk // Відбір і обробка інформ. - 2022. - Вип. 50 (126). - С. 69-77.uk
dc.identifier.doihttps://doi.org/10.15407/vidbir2022.50.069
dc.identifier.issn0474-8662
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/52563
dc.language.isoenuk
dc.publisher.placeLvivuk
dc.sourceInformation Extraction and Processinguk
dc.subjectтепловізійний відеонаглядuk
dc.subjectглибинне навчанняuk
dc.subjectдетектування об’єктівuk
dc.subject.udc004.032.2uk
dc.titleApplication of YOLOX deep learning model for automated object detection on thermogramsuk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Information_Extraction_and_Process_2022Issue50(126).pdf
Розмір:
3.98 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
1.71 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Статті (АСНК)