Daily Arxiv

Cette page résume et organise les publications en intelligence artificielle du monde entier.
Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif.
Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.

15 500 secondes : Classification allégée des drones grâce à EfficientNet et à un réglage fin léger

Created by
  • Haebom

Auteur

Andrew P. Berg, Qian Zhang, Mia Y. Wang

Contour

Cet article aborde les préoccupations croissantes en matière de sécurité des drones (UAV) à usage grand public et militaire. Plus précisément, nous nous concentrons sur la résolution du problème crucial de pénurie de données dans la classification audio approfondie des drones. En prolongeant les recherches existantes, nous présentons de nouvelles approches telles que le réglage fin optimisé par paramètres, l'augmentation des données et les réseaux pré-entraînés, atteignant une précision de vérification de plus de 95 % grâce à EfficientNet-B0.

Takeaways, Limitations_

Takeaways: A contribué à améliorer les performances de la classification audio des drones en s'attaquant aux problèmes de pénurie de données. A présenté une approche efficace utilisant un réglage fin optimisé des paramètres, une augmentation des données et des réseaux pré-entraînés. A obtenu une précision de validation élevée (plus de 95 %).
Limitations : Seules les évaluations de performances d'un modèle spécifique (EfficientNet-B0) sont présentées, ce qui nécessite une validation supplémentaire de la généralisabilité. Aucun résultat d'évaluation de performances en conditions réelles n'est disponible. L'analyse des variations de performances basées sur l'augmentation des données et les types de réseaux pré-entraînés fait défaut.
👍