LRDDv3: High-Resolution Long-Range Drone Detection Dataset with Range Information and Thermal Data
تقدم هذه الورقة البحثية LRDDv3، وهي مجموعة بيانات عالية الدقة تتكون من أكثر من 100,000 صورة RGB بدقة 4K وما يقرب من 30,000 صورة حرارية مقترنة لطائرات بدون طيار تم التقاطها من مسافات طويلة في ظروف متنوعة، والمصممة لتعزيز قدرات كشف الطائرات بدون طيار بعيدة المدى.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تحاول رصد نحلة صغيرة طنانة تطير عبر أفق مدينة واسعة ومزدحمة. الآن، تخيل أن هذه النحلة هي في الواقع طائرة بدون طيار (درون)، وعليك العثور عليها من مسافة مئات الأقدام، حتى عندما تكون الشمس ساطعة، أو أثناء تساقط الثلوج، أو عندما تختبئ النحلة خلف شجرة. هذا هو التحدي الذي تعالجه هذه الورقة البحثية.
لقد أنشأ الباحثون "دليل تدريب" ضخمًا جديدًا للحواسيب يسمى LRDDv3. فكر في مجموعة البيانات هذه ليس مجرد كومة من الصور، بل كـ مستوى لعبة فيديو عملاق وفائق التفاصيل مصمم خصيصًا لتعليم الذكاء الاصطناعي كيفية رصد الطائرات بدون طيار في العالم الحقيقي.
إليك تفصيل لما يجعل مجموعة البيانات هذه مميزة، باستخدام تشبيهات بسي️طة:
1. عدسة كاميرا "4K Ultra-HD"
معظم مجموعات التدريب القديمة لرصد الطائرات بدون طيار تشبه النظر إلى صورة من خلال نافذة ضبابية أو تلفاز منخفض الدقة. التفاصيل تكون باهتة، خاصة عندما تكون الطائرة بعيدة.
- الفرق في LRDDv3: تستخدم مجموعة البيانات هذه دقة 4K (مثل التلفزيونات الحديثة عالية الجودة). إنها حادة للغاية لدرجة أن الذكاء الاصطناعي يمكنه رؤية طائرة بدون طيار لا يتجاوز حجمها بضع بكسلات على الشاشة. إنه الفرق بين محاولة تحديد هوية سيارة من على بعد ميل باستخدام المنظار، وبين استخدام تلسكوب عالي القدرة.
2. "الرؤية بالأشعة السينية" (البيانات الحرارية)
أحيانًا، تطير الطائرة بدون طيار مقابل خلفية مزدحمة (مثل مدينة مليئة بالسيارات والمباني) حيث تندمج معها تمامًا. الأمر يشبه حرباء تختبئ على جدار ملون.
- الفرق في LRDDv3: تتضمن مجموعة البيانات هذه صورًا حرارية (بالأشعة تحت الحمراء). تخيل منح الذكاء الاصطناعي "رؤية ليلية" أو "رؤية حرارية". حتى لو بدت الطائرة بدون طيار مطابقة للخلفية للعين المجردة، فإنها عادة ما تمتلك بصمة حرارية مختلفة (مثل محرك دافئ مقابل سماء باردة). تقوم مجموعة البيانات بربط هذه الصور الحرارية بالصور العادية، مما يعلم الذكاء الاصطناعي رصد "شبح" الطائرة حتى عندما تكون غير مرئية للعين.
3. "محاكي الطقس"
العديد من مجموعات البيانات القديمة تم التقاطها في أيام مشمسة مثالية في منتزه هادئ. لكن الحياة الواقعية ليست كذلك.
- الفرق في LRDDv3: تم جمع مجموعة البيانات هذه على مدار 8 أشهر في 17 موقعًا مختلفًا. وهي تتضمن صورًا تم التقاطها في:
- المطر والثلج: مثل محاولة الرؤية من خلال زجاج أمامي مغطى بالجليد.
- الوهج والظلال: مثل النظر إلى سيارة لامعة عند الظهيرة عندما تكون الشمس مبهرة.
- أوقات مختلفة من اليوم: من الساعة الذهبية للشروق إلى ظلام الليل.
- خلفيات مزدحمة: طائرات بدون طيار تحلق بالقرب من المباني العالية، والأشجار، وحركة المرور.
هذا يعلم الذكاء الاصطناعي أن يكون قويًا وألا يرتبك عندما يسوء الطقس أو تصبح الخلفية فوضوية.
4. "مسطرة المسافة"
في العديد من مجموعات البيانات القديمة، يعرف الكمبيوتر ما هو الشيء، لكنه لا يعرف مدى بعده. الأمر يشبه النظر إلى صورة شخص وعدم معرفة ما إذا كان يقف أمامك مباشرة أو على بعد 100 ياردة.
- الفرق في LRDDv3: تأتي كل صورة مع وسم مسافة دقيق. استخدم الباحثون نظام GPS وبيانات الطيران لحساب المسافة بالضبط بالأمتار بين الطائرة بدون طيار والكاميرا. يساعد هذا الذكاء الاصطناعي على تعلم أن نقطة صغيرة بعيدة هي في الواقع طائرة بدون طيار كاملة الحجم، وليست حشرة صغيرة.
5. "النادي الرياضي للعالم الحقيقي"
لم يكتفِ الباحثون بالتقاط الصور من حامل ثلاثي القوائم على الأرض، بل قاموا بتشغيل طائرتين بدون طيار: واحدة تعمل كـ "كاميرا" والأخرى تعمل كـ "هدف".
- الفرق في LRDDv3: قاموا بتطيير هذه الطائرات في حلقات، للأعلى، للأسفل، وللجانب. هذا يخلق ضبابية الحركة وتغير الزوايا، تمامًا مثل مطاردة حقيقية لطائرة بدون طيار. إنه يشبه تدريب لاعب كرة قدم بجعله يركض على جهاز جري تزيد سرعته وتقلل بشكل عشوائي، بدلًا من الوقوف ثابتًا.
النتيجة: ذكاء اصطناعي أقوى وأذكى
اختبر الباحثون مجموعة البيانات الجديدة هذه مقابل مجموعات بيانات شهيرة أخرى. ووجدوا أنه عندما يتم تدريب الذكاء الاصطناعي على LRDDv3، فإنه يصبح أفضل بكثير في رصد الطائرات بدون طيار في المواقف الصعبة مقارنة بالذكاء الاصطناعي المدرب على مجموعات بيانات أقدم وأبسط.
باختصار: تزعم الورقة البحثية أنه من خلال تغذية الذكاء الاصطناعي بمكتبة ضخمة من الصور عالية الدقة، والحساسة للحرارة، والمختبرة ضد تقلبات الطقس، والموسومة بالمسافات، يمكننا بناء أنظمة أذكى يمكنها رصد الطائرات بدون طيار بأمان في أي مكان، وفي أي وقت، ومن مسافة بعيدة. إنه "معسكر تدريبي" شامل لإعداد الذكاء الاصطناعي للواقع الفوضوي وغير المتوقع للسماء.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.