Ocena wykrywania ognia i dymu przez YOLOv8 między zbiorami danych oraz test na niedrogim dronie
Tytuł oryginalny: Cross-Dataset Evaluation of YOLOv8 for Unmanned Aerial Vehicle Fire and Smoke Detection: Benchmark Contamination, Zero-Shot Transfer, and Onboard Deployment on a Low-Cost Airframe
Streszczenie
Autorzy sprawdzili, jak modele YOLOv8 wykrywające ogień i dym radzą sobie po przeniesieniu między dwoma zbiorami danych. Wyniki na nowym zbiorze były znacznie gorsze niż wyniki modelu trenowanego lokalnie, a wykryte niemal identyczne obrazy treningowe i testowe zawyżały część ocen. Po wykluczeniu tych obrazów różnica w skuteczności przeniesionych modeli nadal wynosiła około 26 i 62 punkty procentowe. Dron wykrył kontrolowany pożar, lecz analiza o
W skrócie
- Przeniesienie modelu na inny zbiór pogarszało wykrywanie ognia około dwukrotnie bardziej niż wykrywanie dymu.
- Niemal duplikaty obrazów treningowych znaleziono w 46,0% i 90,7% obrazów dwóch zbiorów testowych.
- Po usunięciu zanieczyszczonych danych wyniki spadły o 2,8 i 12,4 punktu.
Pełne streszczenie i wnioski
Darmowe konto: 5 streszczeń miesięcznie. Premium: pełna biblioteka, wszystkie lekcje i quizy.
Potem 29 zł/mies. Anuluj w próbie bez opłaty.
Streszczenia AI mogą zawierać błędy. Sprawdź źródło. Treści nie zastępują procedur, instrukcji producenta, szkolenia ani decyzji dowódcy.