- TAFormer:面向航拍场景中视频和运动联合预测的统一目标感知 Transformer
无人机技术的不断进步使得使用无人机进行高空遥感成为现代低空遥感的主导趋势。随着航拍视频数据的激增,对于感兴趣目标未来场景和运动状态的准确预测尤为重要,尤其在交通管理和灾难响应等应用领域。现有的视频预测方法仅关注预测未来场景,忽视了目标运动状 - 基于 FPGA 的无人机神经推力控制器
使用 FPGA 硬件板验证了应用于开源微型无人机平台的 RL 低层控制器的功能。
- 分布式多目标动态卸载调度的空地合作 MEC
无人机协助地面移动边缘计算具有较高能效和减少任务积压的潜力,本文提出了基于多目标动态轨迹规划和卸载调度的分布式方案,集成了多目标强化学习和核方法,结果显示此方法相较于传统方法具有更好的能耗和任务积压表现。
- 通过混合操作深度强化学习调度无人机和移动充电器
无人机与移动充电器配合充电和观测任务调度的混合行动深度强化学习框架的有效性和高效性。
- 2023 低功耗计算机视觉挑战(LPCVC)摘要
该研究论文介绍了 2023 年 IEEE 低功耗计算机视觉挑战赛 (LPCVC),该挑战旨在解决边缘设备上的计算机视觉挑战。2023 年的挑战涉及无人机在灾害后的图像分割问题,吸引了 60 支国际团队提交了 676 个解决方案。论文介绍了比 - 无人机类型预测:基于采样和数据增强的时间序列分类探索
使用机器学习模型进行无人机的时间序列分类,研究了时序采样方法和类别不平衡修正方法对分类效果的影响,输入为无人机类型,对四旋翼无人机和固定翼无人机的预测准确性较高,而六旋翼无人机容易被误分类。
- 多无人机任务规划支持的多准则决策方法修订
设计了一个决策支持系统(DSS),包括排名和过滤系统,用于多个无人机任务规划场景,并比较了多个模糊多准则决策方法,结果表明,模糊方法通常具有更好的平均分数,并且当操作员偏好一个特定变量时,所有测试方法表现得更好,而在偏好平衡时表现较差。对于 - 航空器多态雷达散射截面识别:贝叶斯融合方法
提出一种全贝叶斯雷达自动目标识别框架,使用最优贝叶斯融合技术从多路雷达中聚合分类概率向量,相较于其他融合方法和单一雷达配置,实证结果证明该方法与递归贝叶斯分类相结合显著提高了分类准确性。
- 应用层次分析法和基于相似度的经验回放的多目标强化学习在搜救任务中以人为中心的无人机航迹规划
通过加强学习结合分析层次过程和基于相似性的经验重放,优化无人机轨迹,平衡运营目标与人类安全、舒适性等考虑因素,同时调查性别线索和拟人化在公众接受和信任方面的影响,在搜索与救援任务中设计与人类价值观相符的无人机系统的宝贵洞察。
- 最大化无人机雾计算部署效率以应对紧急救援工作
在灾难场景和紧急救援行动中,将无人机作为雾节点集成已变得至关重要。该模型通过优化系统的适应性和操作效能,以动态无人机雾部署为核心,解决了连接性和覆盖性子问题,并通过一维交换方法有效解决了网络寿命优化问题。同时使用适应性鲸鱼优化算法 (WOA - YOLO-Ant:基于深度可分离卷积和大核设计的轻量级天线干扰源检测器
在 5G 通信时代,消除影响通信的干扰源是一项资源密集型的任务。在计算机视觉的快速发展下,无人机能够执行各种高空检测任务。在天线干扰源的目标检测领域尚未得到充分探索的情况下,该行业缺少专门为此特定任务而创建的学习样本和检测模型。本文创建了一 - 无人机热图中使用深度学习进行目标检测
本研究提出了一种神经网络模型,能够在无人机收集的热像图中识别小型和超小型目标。模型结构包括骨干网络、中间层和预测头,其中骨干网络基于 YOLOv5 结构,结尾使用了 Transformer 编码器。中间层采用了 BI-FPN 块以及滑动窗口 - 多无人机合作巡检路径规划的蚁群优化
本文提出了一种基于群体智能的方法,用于解决无人机的合作路径规划问题,该问题对于基础设施的自动检查至关重要。该方法使用结构的三维模型生成无人机的视点,并考虑无人机编队模型、相机参数和数据后处理要求的约束,计算视点。然后,将视点作为输入,将路径 - 多智能体强化学习用于协作无人机卸载蜂窝通信
通过多代理强化学习框架,本研究介绍了一种有效利用多个无人机最大化地满足用户对数据传输的需求的方法,其中重点是在服务质量约束下共同优化无人机轨迹和用户关联指标。
- 马尔可夫物联网模型中的交通学习和主动型无人机轨迹规划与数据上行
通过学习的基于马尔可夫事件的新颖框架,利用无人机作为飞行基站,预测 IoT 设备的流量到达并优化多个无人机的轨迹和调度策略,最终通过深度强化学习方法改进传输性能。
- 图编码神经网络用于抵抗无人机监控的预测隐蔽通信
通过将图神经网络与库普曼理论相结合,我们引入了一个新的框架,用于预测多个固定翼无人机在一个延伸预测时间内的轨迹,从而实现地面 LPD 通信。通过控制节点的发送功率,使接收功率在无人机预测位置保持最小化,我们能够在地面自组网中实现 LPD 通 - 利用无人机高光谱成像分类葡萄品种
利用卷积神经网络对红白葡萄品种进行分类,通过空间注意力层和 Inception 块进行空间和光谱特征提取,相对于其他卷积神经网络在处理高光谱数据分类时,网络模型更轻量,并且表现出更好的准确性,和以前研究相比,准确率提高到 99%。
- 基于 MADRL 的无人机轨迹设计及在车联网中的防碰撞机制
在未来的 6G 网络中,无人机作为移动基站将发挥基础作用,特别是在车联网 (V2X) 应用中。本文提出了一种基于排名的二进制掩码方法,以解决多个无人机协作服务同一区域时的碰撞问题,提高训练性能并满足安全约束。
- 热图像校准和修正的非配对循环一致对抗网络
本文介绍了一种提高当前航拍野火数据集质量的方法,旨在适应相机技术的进步,并提出了一种基于 CycleGAN 的流程以及一种新颖的融合方法,通过将配对的 RGB 图像作为属性调节器集成到两个方向的生成器中,从而提高了生成图像的准确性。
- 应用元强化学习进行策略性物联网部署在灾害应对无人机群的覆盖
通过优化模型、轻量级元 - 强化学习解决方案以及广泛的模拟实验,在提供了快速收敛的同时,证明了介绍的方法在为战略位置提供覆盖方面优于现有的三种算法。