Адаптивна інтеграція підвищення роздільної здатності для покращення детекції об’єктів на зображеннях низької якості з безпілотних літальних апаратів

Анотація

У статті розглядається задача підвищення точності виявлення об'єктів на зображеннях, отриманих з безпілотних літальних апаратів, в умовах зниженого просторового розділення та впливу шумових артефактів. Актуальність дослідження зумовлена практичною необхідністю зберігати точність комп’ютерного зору в складних польових умовах, де стандартні алгоритми детекції втрачають ефективність. Метою дослідження є підвищення надійності виявлення об’єктів у низькоякісних зображеннях з безпілотних літальних апаратів шляхом розробки адаптивного механізму попередньої обробки, який використовує метод відновлення роздільної здатності зображення на основі глибокої нейронної мережі. Запропонований підхід передбачає динамічну активацію super-resolution модуля лише в тих випадках, коли якість зображення або впевненість детектора виявляються недостатніми. У межах дослідження застосовано поєднання високоточної двоступеневої моделі Faster R-CNN з попереднім підвищенням роздільності зображень за допомогою Real-ESRGAN. Запропоновано логіку адаптивного включення модуля покращення зображення, яка активується лише у випадках недостатньої впевненості детектора, що дозволяє зменшити обчислювальне навантаження без втрати якості розпізнавання. Проведено експериментальне оцінювання ефективності підходу на прикладах зображень з безпілотні літальних апаратів із різними типами погіршення вхідних даних, включно з розмиттям, шумом та стисненням. Отримані результати демонструють стабільне підвищення точності виявлення на всіх типах ускладнених зображень при збереженні прийнятного часу обробки. Практична цінність дослідження полягає в можливості застосування результатів у системах автономного моніторингу, пошуково-рятувальних операціях, а також у задачах ситуаційного аналізу на основі відеопотоку з безпілотних літальних апаратів. Запропонований підхід також створює перспективи для подальшої оптимізації за рахунок залучення додаткових модулів, зокрема первинних фільтрів швидкого визначення об’єктів.