Bu protokolün amacı, PPE tespiti için geliştirilmiş YOLOv11n tabanlı bir model geliştirmek için adım adım bir rehber sağlamaktır. Mimari ve eğitim modifikasyonlarını, %90,1 mAP doğruluğuna ve doğal yorumlanabilirliğe sahip hafif, gerçek zamanlı bir dedektör ortaya çıkaran detayları detaylandırıyor.
Bu içeriği görüntülemek için JoVE aboneliğiniz gereklidir. Giriş yapın veya ücretsiz denemenizi bugün başlatın.
Araştırma makalesi
Geliştirilmiş YOLOv11'e dayalı İletim Hattı Kişisel Koruyucu Ekipman Algılama Algoritması Üzerine Araştırma
Bu makalede
Özet
Özet
Akıllı iletim hattı denetiminde, kenar hesaplama cihazları, karmaşık operasyonel senaryolarda kişisel koruma ekipmanı tanıma için gerçek zamanlı performans ile tespit doğruluğunu dengeleme gibi kritik bir zorlukla karşı karşıyadır. Bu çalışma, hafif ve doğası gereği yorumlanabilir bir tespit algoritması olan WTLS-YOLOv11n'i önermektedir. Metodoloji, YOLOv11n mimarisine üç sinerjik yeniliği entegre eder. Ayrı bir dalgalet kullanan bir C3K2-WTConv modülü, özellikleri fiziksel olarak anlamlı frekans bileşenlerine ayırır ve böylece doğuştan yorumlanabilir sağlam çok ölçekli özellik çıkarımı sağlar. Hafif paylaşılan bileşik algılama kafası, stratejik ağırlık paylaşımı sayesinde önemli parametre azaltma sağlarken, çok ölçekli füzyon yeteneklerini korur. MPDIoU kayıp fonksiyonu, küçük ve düzensiz şekilli hedefler için lokalizasyon doğruluğunu artırır. Deneysel doğrulama, önerilen modelin temel seviyeye kıyasla önemli ölçüde azaltılmış parametreler ve hesaplama karmaşıklığı ile üstün tespit doğruluğu sağladığını, aynı zamanda kenar donanım platformlarında gerçek zamanlı çıkarım performansını koruduğunu göstermektedir. Nicel yorumlanabilirlik analizi, tespit kararlarının ağırlıklı olarak yüksek frekanslı dokusal detaylar yerine düşük frekanslı yapısal özelliklerle şekillendiğini ortaya koyarak modelin akıl yürütme sürecine şeffaf bir bakış açısı sağlar. Ana akım tespit modelleriyle karşılaştırmalı deneyler, önerilen yaklaşımın üstün doğruluk ve verimlilik dengesini doğrular. Bu çalışma, elektrik enerjisi operasyonlarında otomatik güvenlik denetimi için şeffaf, verimli ve güvenilir bir çözüm oluşturur; bu çözümler kenar dağıtımı ve yorumlanabilir karar alma gerektiren güvenlik açısından kritik tespit görevlerine daha geniş uygulanabilirdir.
Giriş
Derin öğrenme, endüstriyel güvenlik protokollerini dönüştürdü ve mesleki risk yönetiminde yeni yaklaşımlar getirdi. Bu dönüşüm, özellikle enerji sistemleri mühendisliği gibi yüksek riskli sektörlerde belirgindir. Görme tabanlı akıllı denetim sistemleri artık YOLO (Sadece Bir Kez Bakır)1 mimarisini kullanarak Kişisel Koruyucu Ekipmanların (PPE)2,3 gerçek zamanlı otomatik algılanmasını sağlıyor. Bu sistemler, geleneksel yöntemlere kıyasla tespit doğruluğu ve yanıt hızında önemli iyileştirmeler sunarak işyeri güvenliği izleme için kritik bir teknoloji olarak ortaya çıkmıştır.
Bu sistemler, güvenlik standartlarına uyumu sürekli izler, insan hatasını azaltır ve karmaşık elektrik işletme sahalarında denetimi iyileştirir. Ancak bu sistemlerin altında yatan derin sinir ağları önemli bir zorluk teşkil ediyor: karar alma süreçleri hâlâ şeffaf kalıyor. Bu yorumlanabilirlik eksikliği, özellikle sistem mantığını anlamanın güven oluşturmak ve hesap verebilirliği sağlamak için hayati öneme sahip olduğu güvenlik açısından kritik uygulamalarda, sektörde daha geniş benimsenmesinin önündeki temel engeli teşkil eder.
Bir model yanlış bir yargı oluşturduğunda, uyumsuz bir çalışanı kaçırdığında veya gereksiz operasyonel kapanmalara yol açtığında, şeffaf karar verme süreci güvenlik yöneticileri için uygulanabilir bilgi sağlamaz. Hataları teşhis edebilme, sistem mantığını anlama veya kararları doğrulama yeteneği olmadan, bu sistemler insan güvenliğinin söz konusu olduğu ortamlarda gereken güvenilirlik standartlarını karşılayamaz. Bu fark, hem doğruluk hem de şeffaflık sağlayan Açıklanabilir Yapay Zeka (XAI)4,5,6 yaklaşımlarına olan talebin artmasına yol açtı. Amaç, güvenlik personelinin kritik operasyonel bağlamlarda anlayabileceği, doğrulayabileceği ve güvenebileceği sistemler geliştirmektir.
Şeffaflık hâlâ vazgeçilmez olsa da, zorlu operasyonel koşullarda güvenilir şekilde çalışan modeller üzerine inşa edilmelidir. Elektrik operasyon noktaları, sağlam tespit yetenekleri gerektiren belirgin teknik talepler sunar. Bu ortamlar, yoğun gün ışığından tam karanlığa kadar aşırı aydınlatma değişimleri yaşar. Karmaşık makineler sıklıkla görsel alanı engeller ve standart tespit modellerinin çözmekte zorlandığı tıkanma sorunları yaratır. Hava koşulları daha fazla değişkenlik ekleyerek farklı operasyonel senaryolarda görünürlüğü ve görüntü kalitesini etkiler. Bu zorlukların üstesinden gelmek, çevresel karmaşıklığa rağmen tutarlı performansı koruyan modelleri gerektirir.
Araştırmacılar, elektrik saha uygulamaları için YOLO performansını optimize etmek amacıyla birden fazla yaklaşım geliştirdi. Mimari değişiklikler, önemli bir araştırma yönünü temsil eder. Birçok çalışma, BOYUN yapısına ek tespit başlıkları ekleyerek YOLOv57 ağını geliştirmiştir. Bu değişiklik, PPE algılamadaki kalıcı bir zorluğu ele alır: uzaktan veya dağınık görsel alanlarda küçük nesneleri tanımlamanın zorluğu. Ek tespit katmanları, modelin standart mimarilerin gözden kaçırabileceği daha ince mekânsal detayları yakalamasını sağlar.
İkinci ana araştırma yönü ise dağıtım ortamları için model optimizasyonuna odaklanır. Güç operasyon alanları genellikle sınırlı hesaplama kaynaklarına sahip kenar cihazlarda çalışmak için tespit sistemleri gerektirir. Bu kısıtlama, model sıkıştırma ve verimlilik iyileştirmeleri için çabaları yönlendirmiştir. Araştırmacılar, model boyutunu ve çıkarım süresini azaltarak tespit doğruluğunu koruyan teknikler geliştirmiş, böylece sınırlı işlem kapasitesine sahip donanımda gerçek zamanlı performanssağlanmıştır 8,9.
Son optimizasyon çabaları, model karmaşıklığını azaltmak için umut vadeden birkaç teknik tanıtmıştır. Araştırmacılar, MobileNetv310 gibi verimli omurga ağlarınıYOLO-M 11 gibi mimarilere entegre ettiler. Diğerleri ise model budama ve bilgi damıtımı kullanarak Light-YOLOv412 dahil kompakt varyantlar geliştirmiştir. Bu yaklaşımlar, hesaplama verimliliği ve dağıtım uygulanabilirliğinde ölçülebilir iyileşmeler göstermiştir.
Ancak, bu optimizasyon yöntemleri geleneksel konvolüsyon mimarilere özgü temel bir kısıtlama ile karşı karşıyadır. Standart konvolüsyon işlemler, alıcı alanı genişletmek için giderek daha derin ağ katmanları veya daha büyük çekirdekboyutları 13 gerektirir; bu da görüntü boyunca bağlamsal bilgiyi yakalamak için gereklidir. Bu mimari gereklilik, kaçınılmaz bir takas oluşturur. Modeller daha zengin özellikleri çıkarma ve daha geniş mekansal bağlamı anlama kapasitesi kazandıkça, parametre sayıları ve hesaplama talepleri önemli ölçüde artar. Ortaya çıkan modeller genellikle kenar cihazlarının işleme yeteneklerini aşar ve gerçek zamanlı operasyonel ortamlarda pratik olarak kullanımlarını sınırlar.
Özellik çıkarma yeteneği ile hesaplama verimliliği arasındaki bu gerilim, mevcut yaklaşımların tam olarak çözmediği önemli bir metodolojik zorluk teşkil etmektedir. Bu alan, geleneksel yöntemlerin uyguladığı orantılı parametre artışı olmadan hiyerarşik çok ölçekli özellikleri yakalayabilen temel olarak farklı bir özellik çıkarma yaklaşımı gerektirir. Böyle bir yaklaşım, modellerin hem güvenlik açısından kritik uygulamalar için gereken tespit performansını hem de kenar dağıtımı için gereken verimliliği korumasını sağlar. Bu boşluğun giderilmesi, enerji işletim ortamlarında pratik PPE algılama sistemlerinin ilerlemesi için kritik bir araştırma önceliğini temsil etmektedir.
Nesne algılama için mevcut açıklanabilirlik yöntemleri ağırlıklı olarak Grad-CAM gibi post-hoc analizyaklaşımlarını 14 kullanır. Bu yöntemler faydalı görselleştirmeler sağlamakla birlikte, modelin öğrenme sürecinden bağımsız olarak çalışırlar. Alternatif bir yaklaşım, operasyonel mekanizmaları aracılığıyla şeffaflık sunan mimari bileşenler tasarlamaktır. Dalgalet tabanlı özellik çıkarımımız, hangi frekans bileşenlerinin tespitlere katkıda bulunduğunu anlamayı kolaylaştırıyor, ancak bu yorumlanabilirliği tam olarak nicelemek için daha fazla araştırma gereklidir.
Bu araştırma, PPE tespit sistemlerinde üç birbirine bağlı zorluğu ele alır: tespit doğruluğu, hesaplama verimliliği ve model yorumlanabilirliği. Bu çalışma, YOLOv11n15 mimarisini üç hedefe yönelik tasarım değişikliğiyle değiştiriyor.
İlk modifikasyon, standart konvolüsyonun yerine dalgacığından ilham alan bir özellik çıkarma süreciyle C3K2-WTConv modülünü tanıtıyor. Bu yaklaşım görsel bilgiyi frekans bileşenlerine ayırır: düşük frekanslı sinyaller şekil ve kontur bilgisi içerirken, yüksek frekanslı sinyaller doku ve kenar detaylarını kodlar. Bu ayrım, özellik kalitesini artırır ve çıkarma sürecini geleneksel konvolüsyon işlemlerine göre daha şeffaf yapar.
İkinci değişiklik, hesaplama gereksinimlerini azaltmak için Hafif Paylaşılan Kompozit Algılama Kafası (LSCD) uygular. Bu bileşen, tespit ölçekleri arasında parametre paylaşımı kullanır, model boyutunu azaltırken çok ölçekli tespit yeteneklerini korur. Bu tasarım, güç operasyon sahalarında kullanılan kenar cihazlarının tipik kaynak kısıtlamalarını hedefliyor.
Üçüncü değişiklik, standart kayıp fonksiyonunu MPDIoU kayıp16 ile değiştirerek sınırlama kutusu doğruluğunu artırır. Bu değişiklik, küçük ve değişken şekilli PPE ürünleriyle ilgili yerelleştirme zorluklarını eğitim sırasında daha iyi gradyan stabilitesi sağlayarak giderir.
Testler, değiştirilmiş modelin temel seviyeye göre %3,8 daha yüksek ortalama hassasiyet elde ettiğini ve %11,5 daha az parametre kullandığını göstermektedir. Bu sonuçlar, yaklaşımın kenar dağıtımı için pratik gereksinimleri karşıladığını ve algılama performansını iyileştirdiğini göstermektedir. Çalışma, güç operasyonlarında güvenlik izlemesi için işlevsel bir çözüm sunarken, sistem güvenilirliğini tam olarak değerlendirmek için çeşitli operasyonel koşullarda daha fazla doğrulama gerekmektedir.
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
Protokol
Bu çalışma için görüntü verileri, gerekli izinlerle güç işletme ortamlarından toplanmıştır. Tüm görüntüler anonimleştirildi ve kişisel olarak tanımlanabilir bilgiler saklanmadı. Bu çalışma, bireyleri tanımlamak yerine kişisel koruyucu ekipmanların tespitine odaklanmaktadır. Araştırma yalnızca anonimleştirilmiş verilerle algoritma geliştirmeyi içerdiğinden, etik onay gerekmemiştir.
Aşağıdaki protokol, Kişisel Koruyucu Ekipman (PPE) tespiti için WTLS-YOLOv11n adlı hafif, yüksek performanslı ve doğası gereği yorumlanabilir bir nesne tespit modelinin tasarlanması, eğitilmesi ve değerlendirilmesi için kapsamlı bir prosedürü detaylandırmaktadır. Bu çalışmada kullanılan yazılım, Materyaller Tablosu'nda listelenmiştir.
Genel mimari çerçeve
Önerilen WTLS-YOLOv11n modeli, YOLOv11n temel temeli üzerine inşa edilmiştir. Temel metodoloji, performans, verimlilik ve yorumlanabilirliği artırmak için omurga ve kafadaki temel modüllerin sistematik olarak değiştirilmesini veya geliştirilmesini içerir.
Önerilen WTLS-YOLOv11n modeli, YOLOv11n temel temeli üzerine inşa edilmiştir. Temel metodoloji, performans, verimlilik ve yorumlanabilirliği artırmak için omurga ve kafadaki temel modüllerin sistematik olarak değiştirilmesini veya geliştirilmesini içerir. YOLOv11n'in genel mimari paradigması, omurga, boyun ve baştan oluşuyor, önerilen modelde korundu. Omurgada, özellik çıkarımı artırmak için önerilen C3K2-WTConv modülleri ile değiştirildi. Başlıkta, orijinal tespit başlığı, model karmaşıklığını azaltmak için önerilen Hafif Paylaşılan Kompozit Algılama Başlığı (LSCD) ile değiştirildi. Önerilen WTLS-YOLOv11n modelinin tüm mimarisi, temel çizgiyle karşılaştırıldığında, Şekil 1'de gösterilmiştir.
C3K2-WTConv modül tasarımı
Bu modül, YOLOv11n omurgasında standart konvolüsyon modüllerin yerini almak üzere tasarlanmıştır. Tasarımı iki ana amaçla yönlendirilmiştir: (a) modelin alıcı alanını, çok ölçekli bağlamsal bilgiyi yakalamak için parametre sayısını veya hesaplama karmaşıklığını önemli ölçüde artırmadan verimli bir şekilde genişletmek ve (b) özellik haritalarını frekans alanına açıkça ayrıştırarak daha sağlam ve doğası gereği yorumlanabilir özellik temsillerini öğrenmek.
Çekirdek WTConv katmanının tasarımı
Temel WTConv (Dalgalet Dönüşümü Konvolüsyonu) katmanı, 2D Diskret Haar Dalgalet Dönüşümü'nü uygulamak üzere tasarlanmıştır. Bu süreç, belirli dalgalet çekirdekleri seti aracılığıyla gerçekleştirilir:
Wavelet Çekirdekleri: Dönüşüm , Haar dalgalet temel fonksiyonlarına karşılık gelen dört sabit, derinlik olarak yönlendirilemeyen konvolüsyon çekirdeği (F_LL, F_LH, F_HL, F_HH) aracılığıyla uygulanır. Bu çekirdekler, giriş özellik haritasını düşük ve yüksek frekanslı bileşenlere ayırmaktan sorumludur.
Ayrıştırma ve Küçültme Örnekleme: Bu çekirdekler, giriş özellik haritasına (X) 2 adımla uygulanır. Bu tek işlem, hem özellik ayrıştırmasını hem de mekansal aşağı sampling'i verimli bir şekilde gerçekleştirir ve girdiyi dört farklı alt banda ayırır.
Çıkış bileşenlerinin fiziksel yorumu
Dalgalet ayrıştırmasıyla oluşturulan dört özellik alt bandı, net bir fiziksel yoruma sahiptir. Şekil 2'de gösterildiği gibi, WTConv katmanı girdiyi aşağıdaki bileşenlere özyinelemeli olarak ayrıştırır:
Düşük Frekanslı Bileşen (LL): Bu bileşen, hedefin genel yapısını, konturunu ve diğer küresel bilgilerini mekânsal çözünürlüğün yarısında korur. Modelin hedefin "şeklini" anlaması için temel oluşturur.
Yüksek Frekanslı Bileşenler (LH, HL, HH): Bu üç bileşen, sırasıyla yatay, dikey ve çapraz kenarlar ve dokular gibi ince taneli detayları yakalar. Modelin hedefin "detaylarına" odaklanmasını sağlarlar.
C3K2 modül yapısına entegrasyon
Tasarlanmış WTConv katmanı, YOLOv11n'in C3K2 darboğaz yapısına sorunsuz entegre edilmiştir.
Yenileme Stratejisi: Orijinal C3K2 modülünde, standart 3x3 konvolüsyon katman WTConv katmanı ile değiştirilir. Bu yaklaşım, C3K2 mimarisinin verimli özellik yeniden kullanım mekanizmasını korur ve dalgalet dönüşümünün avantajlarını sunar; bu da nihai C3K2-WTConv modülünün (ayrıntılı yapı Şekil 3'te gösterilmiştir) ortaya çıkmasına yol açar.
Kaskadlı Alıcı Alan Genişlemesi: WTConv süreci, önceki aşamanın düşük frekanslı (LL) çıkışına özyinelemeli olarak uygulanabilir. Bu zincirli ayrıştırma mekanizması, modelin bileşenleri çok az hesaplama yüküyle üstel olarak artan alıcı alan üzerinde analiz etmesini sağlar ve böylece çok ölçekli verimli bir frekans ayrıştırma yolu oluşturur.
Hafif Paylaşılan Kompozit Algılama Başlığı (LSCD) Tasarımı
Bu modül, orijinal YOLOv11n tespit kafasının yerini almak üzere tasarlanmıştır ve temel amacı, kaynak kısıtlı kenar cihazlarda verimli dağıtım için model karmaşıklığını ve hesaplama yükünü büyük ölçüde azaltmaktır. Tasarım, standart çok ölçekli algılama başlıklarında bulunan önemli parametre yedekliğini ele alır (ayrıntılı yapı Şekil 4'te gösterilmiştir).
Gerekçe ve tasarım hedefleri
Orijinal YOLOv11 başlığındaki her özellik ölçeği (P3-P5) için bağımsız tahmin dalları yüksek parametre sayısına yol açar. LSCD, kritik çok ölçekli özellik birleştirme yeteneklerini koruyarak üstün parametre verimliliği elde etmek için hibrit bir parametre paylaşım stratejisi sunar.
Parametre paylaşımı ve özellik birleştirme mekanizması
LSCD'nin çekirdeği, iki aşamalı özellik işleme hattında yatmaktadır:
Ölçek özel ön işleme: Boyun (P3, P4, P5) her giriş özelliği haritası için paylaşılmayan bir 1x1 Konvolüsyon ve ardından bir Grup Normalizasyon (GN) katmanı uygulanır. Bu ilk adım, ağın ölçek spesifik kanal dönüşümlerini öğrenmesini sağlar ve her özellik seviyesinin benzersiz özelliklerinin birleşmeden önce korunmasını sağlar.
Verimli çapraz ölçekli füzyon: Ön işlemenin ardından, farklı ölçeklerde çekirdek özellik füzyonu gerçekleştirmek için paylaşılan 3x3 Konvolüsiyon-GN modülleri serisi kullanılır. Ağırlıkları paylaşarak, bu modüller parametre indirgemesinin birincil kaynağı olan genelleştirilmiş özellik birleşimi desenini öğrenir. Bu tasarım, modeli daha sağlam ve evrensel füzyon temsillerini öğrenmeye zorlar.
Dinamik ölçek adaptasyonu ve dal optimizasyonu
Kilo paylaşımından kaynaklanabilecek olası bilgi kaybını telafi etmek ve tahmin doğruluğunu geliştirmek için iki ek mekanizma tanıtılır:
Öğrenilebilir Ölçek Katmanı: Her algılama ölçeği için öğrenilebilir bir Ölçek katmanı eklenir. Bu katman, birleşen özellikleri dinamik olarak yeniden ağırlıklandıran ölçekli öğrenilebilir bir skaler sunar; bu da modelin o ölçekte yaygın hedef nesne boyutlarına göre özellikleri uyarlanabilir şekilde vurgulamasını veya bastırmasını sağlar.
Optimize edilmiş sınıflandırma dalı: Sınıflandırma dalı, olasılık dağılımı için Softmax aktivasyon fonksiyonu kullanılarak ve bir Grup Normalizasyon (GN) katmanı dahil edilerek geliştirilir. Bu, sınıflandırma görevinin eğitimini stabilize eder ve FCOS gibi mimarilerde etkili olduğu kanıtlanmış bir teknik olan güven tahminlerinin sağlamlığını artırır.
Geliştirilmiş Kayıp Fonksiyon Tasarımı (MPDIoU)
Kayıp fonksiyonu, PPE tespit senaryolarında yaygın olan küçük, dağınık ve düzensiz şekilli hedefler için doğru sınırlayıcı kutu regresyonunun zorluklarını özel olarak ele almak üzere yeniden tasarlandı.
Geleneksel IoU kaybının motivasyonu ve sınırlamaları
Standart IoU tabanlı kayıplar bu bağlamda birkaç kritik dezavantaja sahiptir:
Kaybolan Gradientler: Tahmin edilen ve gerçek kutuları örtüşmediğinde, IoU sıfırdır ve kayıp gradyanı ortadan kalkar, bu da öğrenme sürecini yavaşlar.
Hizalama duyarsızlık: Birden fazla sınırlayıcı kutu konfigürasyonu aynı IoU puanını verebilir, bu da kayıp fonksiyonunu hizalama kalitesine karşı duyarsız hale getirir (örneğin, merkez noktası sapması ile şekil uyumsuzluğu).
Küçük nesnelerde kötü performans: Küçük hedefler için küçük piksel sapmaları bile anlamlı olabilir, ancak genellikle IoU değerinde önemsiz değişikliklere yol açar ve bu da kesin yerelleştirmeye yol açar.
Minimum Nokta Mesafesi IoU (MPDIoU) Kaybının Benimsenmesi
Bahsedilen sınırlamaları aşmak için protokol, standart kaybı Minimum Nokta Mesafesi IoU (MPDIoU) kaybı ile değiştirir. MPDIoU, standart IoU metriğini, tahmin edilen ve gerçek kutuları arasındaki mesafeyi doğrudan cezalandıran bir ceza terimi ekleyerek güçlendirir; bu terim örtüşmese bile.
Temel Mekanizma: Ceza terimi, öngörülen kutunun (pred) karşılık gelen köşe noktaları ile yer-gerçeklik kutusu (gt) arasındaki Öklid mesafesinden türetilir. Özellikle, sol üst-sol köşeler 
) ve alt-sağ köşeler (
) için kare mesafeler hesaplanır:
(1)
(2)
Cezanın ölçek değişmez olmasını sağlamak için, bu mesafe, hem tahmin edilen hem de gerçek kutularını kapsayan en küçük kaplayıcı kutunun boyutlarıyla normalleştirilir. w ve h , sırasıyla bu çevreleyen kutunun genişliği ve yüksekliği olsun. MPDIoU metriği ise şu şekilde formüle edilir:
(3)
Son olarak, MPDIoU kayıp fonksiyonu (LMPDIoU) şu şekilde tanımlanır:
LMPDIoU = 1 - MPDIoU (4)
Temel avantajlar: Bu geometrik ceza terimi, yukarıdaki sorunları doğrudan ele alır: i) kutular üst üste binmediğinde bile anlamlı, sıfır olmayan bir gradyan sağlar, böylece gradyanların kaybolmasını önler ve sürekli model optimizasyonunu sağlar; ii) konum, boyut ve en-boy oranı sapmalarına karşı yüksek hassasiyet sunar; bu, küçük ve çeşitli PPE öğelerinin kesin yerelleştirilmesi için kritik öneme sahiptir, iii) eğitim boyunca daha istikrarlı ve tutarlı gradyan sinyalleri sağlamak, bu da daha hızlı yakınsamayı teşvik eder ve üstün yerlileştirme doğruluğu sağlar.
Veri setleri ve deneysel kurulum
Kendi oluşturulan PPE tespit veri seti
Enerji iletim hattı operasyonlarından alınan 5.000 yüksek çözünürlüklü görüntüyü içeren bir PPE tespit veri seti oluşturduk; bu görüntü LabelImg ile notlandırılmış ve YOLO TXT formatına dönüştürülmüştür. Veri seti beş kategoriyi içeriyor: emniyet kaskları (1.245 örnek), emniyet kemerleri (1.128 örnek), kol bantları (892 örnek), yükseklikte çalışma durumu (1.056 örnek) ve yer seviyesi durumu (1.124 örnek). Veriler eğitim (4.000 görüntü), doğrulama (500 görüntü) ve test (500 görüntü) setlerine bölünür. Görüntüler, aşırı aydınlatma, yoğun kapsayma (%23, %23 kapsama ile >%50) ve karmaşık endüstriyel arka planlar gibi zorlu koşulları içerir. Standart artırma teknikleri (rastgele taklama, dönme, renk titremesi, mozaik) eğitim sırasında uygulandı.
Genelleştirme testi için PASCAL VOC veri seti
Modelin güç operasyonu senaryolarının ötesindeki genelleştirme yeteneğini değerlendirmek için, VOC2007 ve VOC2012 birleştirerek toplam 21.503 görüntü oluşturan PASCAL VOC veri setini kullandık. Standart uygulamaya uygun olarak, eğitim ve doğrulama için VOC2012'den 11.540 görüntü, test için ise VOC2007'den 9.963 görüntü kullandık. VOC veri seti, çeşitli gerçek dünya senaryolarında 20 nesne kategorisi içerir. Belirli nesneler PPE kategorilerimizden farklı olsa da, tespit zorlukları (ölçek varyasyonu, kapatma, karmaşık arka planlar) benzerdir, bu da modelin genel algılama yeteneklerini ve aktarılabilirliğini değerlendirmek için uygundur.
Uygulama detayları
Bu protokol, modelin eğitim ve değerlendirilmesi için prosedürü özetler. Kullanıcının kaynak koduna, uygun bir Python ortamına ve hazırlanmış veri setlerine erişimi olduğu varsayılmaktadır.
Sistem ve çevre hazırlığı
Eğitim için yeterli bellek sağlamak amacıyla en az 24 GB VRAM'a sahip NVIDIA GPU ile donatılmış bir iş istasyonu kullanıldı (örneğin, NVIDIA GeForce RTX 4090). PyTorch derin öğrenme çerçevesi (sürüm 1.12.0 veya üzeri) ve ilgili CUDA araç seti iş istasyonuna yüklendi. Kurulum, bir terminal açılarak "python -c 'import torch; print(torch.cuda.is_available())'", bu da "True" dönüşünü bekleniyordu. Gerekli Python paketleri, proje kök dizinine gidip "pip install -r requirements.txt" komutunu çalıştırarak kurulurdu. Bu komut, numpy, opencv-python, pyyaml, tensorboard ve torchvision gibi bağımlılıkları otomatik olarak yükledi. Veri seti hazırlanması, eğitim görüntülerinin /data/train/images/ içinde bulunması ve annotasyon dosyalarının YOLO formatında (sınıf x_center y_center genişlik yüksekliği) /data/train/labels/ içinde bulunması için doğrulandı. Aynı doğrulama süreci doğrulama (/data/val/) ve test (/data/test/) veri setlerine uygulandı.
Eğitim konfigürasyonu
yapılandırma dosyası config/wtls_yolov11n.yaml bir metin düzenleyici kullanılarak açılarak eğitim parametreleri ayarlandı. Veri yolları, 'path' parametresi bulunarak veri seti kök dizinine ayarlanırken, 'train', 'val' ve 'test' parametreleri doğru alt dizinlere yönlendirildiği doğrulanırdı. 'nc' parametresi (sınıf sayısı) veri setiyle eşleştiği doğrulandı ve PPE tespiti için veri seti 5'e ayarlandı. Eğitim hiperparametreleri, tam eğitim için 300 epoch sayısı ve toplu boyutu 16 olarak ayarlanarak yapılandırıldı; bu değerin GPU bellek kullanılabilirliğine göre ayarlanabileceği ve bellek dışı hatalar olursa 8'e indirilebileceği anlaşıldı. Giriş görüntü boyutu (imgsz) 640 olarak ayarlandı ve optimizatorun SGD olduğu, başlangıç öğrenme oranı (lr0) 0.01 olduğu doğrulandı. Ağırlık kaybı 0.0005 olarak doğrulandı ve momentum 0.937 olarak ayarlandı. Veri artırma teknikleri, varsayılan yapılandırılmış ayarlarla etkinleştirildi; bunlar mozaik artırma (mozaik: 1.0), %50 olasılıkla rastgele yatay çevirme ve renk titremesi ( HSVH: 0.015, HSVS: 0.7 ve HSVV : 0.4) parametrelerini içeriyordu. Donanım kullanım parametreleri, veri yüklemede kullanılan CPU iş parçacıkları için çalışan sayısı 8'e ayarlanmış, ilk GPU'yu kullanmak için cihaz parametresi 0 olarak ayarlanmış, gerekirse çoklu GPU eğitimi için "0,1" olarak ayarlanabilme seçeneği sunulmuştur.
Model eğitim uygulaması
Model eğitimi, komut satırından "python train.py --cfg config/wtls_yolov11n.yaml --weights ''--data data.yaml" komutu çalıştırılardı; burada --cfg parametresi model yapılandırma dosyasını belirtirken, --weights parametresi sıfırdan eğitilmek için boş bir dizeye ayarlanıyordu (alternatif olarak, yolov11n.pt transfer öğrenimi için kullanılabilirdi) ve --data parametresi veri seti yapılandırmasını belirtiyordu. Eğitim sırasında, model performansını izlemek için yakınsama göstergeleri gözlemlendi. İlk 50 dönemde, box_loss yaklaşık 1,5'ten 0,8'e düşerek hızlı bir kayıp düşüşü gözlemlenmiştir. 50 ile 150. dönemler arasında, box_loss yaklaşık 0,8'den 0,5'e düşerek istikrarlı bir iyileşme kaydedildi. 150 ila 300 dönemlerinde, ince ayar aşaması gerçekleşti ve box_loss 0,4 ila 0,5 civarında stabilleşti. Doğrulama mAP@0.5 metriğinin 200. yüzyıla kadar %85'in üzerine çıkması bekleniyordu. Kontrol noktası kaydı, eğitimin her 10 dönemde bir kontrol noktalarını otomatik olarak run/train/exp/weights/ dizinine kaydetmesini sağlamak için doğrulandı. last.pt (en son kontrol noktası) ve best.pt (en yüksek mAP kontrol noktası) varlığı doğrulandı ve her kontrol noktası dosyasının yaklaşık 5 ila 6 MB boyutunda olması beklendi. Eğitim ilerlemesi isteğe bağlı olarak TensorBoard ile yeni bir terminal açıp "tensorboard --logdir runs/train" komutunu çalıştırarak izlenebilir, ardından bir tarayıcıdan kayıp eğrileri, öğrenme hızı takvimi ve mAP trendlerinin gerçek zamanlı grafiklerini görmek için http://localhost:6006 sayfasına geçilirdi. Yaygın sorunlar, CUDA hafızasız hataları toplu boyutu 8 veya 4'e düşürerek çözülen, NaN kayıp değerleri öğrenme oranını 0.005'e düşürerek giderilmiş ve mAP %80'in altındaki platolar annotasyon doğruluğu doğrulanarak ve eğitim epochlarını 400'e çıkararak araştırılmıştı.
Model değerlendirme protokolü
Önerilen modelin etkinliği, verimliliği ve yorumlanabilirliğini kapsamlı şekilde doğrulamak için çok yönlü bir değerlendirme prosedürü gerçekleştirildi.
Nicel performans değerlendirmesi
Performans metrikleri
Ortalama Ortalama Hassasiyet (mAP) ile 0,5 (mAP@0,5) IoU eşiğinde, Hassasiyet ve Hatırlama kullanılarak model doğruluğunu değerlendirin. Model verimliliğini, toplam Parametre (M) ve Yüzer Nokta İşlemleri (FLOP'lar, G) sayısını ölçerek değerlendirin. Hem sunucu sınıfı GPU'da hem de bir kenar cihazda Saniyede Kare (FPS) cinsinden çıkarım hızını ölçün. Edge cihaz testi için, güç modunu maksimum performansa ayarlayın ve modeli 100 sahte çıkarımla ısıtın, ardından 500 test görüntüsünden fazla FPS kaydedin.
Son teknoloji modellerle karşılaştırma: Önerilen WTLS-YOLOv11n modelini doğrudan baz (YOLOv11n) ve ana akım CNN tabanlı YOLO modelleri (YOLOv5n, YOLOv8n, YOLOv9s), iki aşamalı dedektör (Faster R-CNN) ve Transformer tabanlı dedektör (RT-DETR) dahil olmak üzere çeşitli dedektörlerle karşılaştırın. Tüm modelleri önerilen varsayılan hiperparametreleriyle 300 epoch için eğitin. Her model için Performans metrikleri bölümünde tanımlanan tüm metrikleri hem kendi oluşturduğunuz PPE veri setinde hem de PASCAL VOC veri setinde kaydedin. VOC değerlendirmesi için, birleşik VOC2012 trainval ve VOC2007 trainval setlerinde eğitim alın, ardından standart protokole uygun olarak VOC2007 test setinde test yapın.
Ablasyon çalışmaları: Önerilen bileşenlerin bireysel katkılarını incelemek için sistematik bir ablasyon çalışması yapın.
Bileşen Etkinlik Analizi: Temel YOLOv11n modelinden başlayarak, C3K2-WTConv modülü, LSCD başlığı ve MPDIoU kaybını kademeli olarak entegre edin. Her yapılandırma için, aynı hiperparametrelerle (parti boyutu 16, öğrenme hızı 0.01, SGD optimizator) modeli 300 dönem için yeniden eğitin. mAP, Hassasiyet, Geri Çağırma, Parametreler, FLOP'lar ve FPS'deki değişiklikleri kaydederek her bileşenin etkinliğini doğrulayın. Her metrik için bazdan oranlı yüzde iyileştirmeleri hesaplayın.
Yerleştirme Analizi: C3K2-WTConv modülünün optimal yerleşimini belirlemek için, onu ağ mimarisinin farklı bölümlerine entegre edin. Üç konfigürasyonu test edin: (i) sadece omurga entegrasyonu, (ii) sadece boyun entegrasyonu ve (iii) hem omurga hem de boyun için tam entegrasyon. Her konfigürasyonu 300 dönem için eğitin ve elde edilen mAP@0.5 puanları karşılaştırarak en etkili entegrasyon stratejisini belirleyin. Tüm sonraki deneyler için optimal konfigürasyonu seçin.
Niteliksel performans değerlendirmesi
Algılama sonucu görselleştirme: Test setinden güçlü arka aydınlatma, yoğun nesne kapatılması, karmaşık arka planlar ve alışılmadık kamera açıları gibi zorlu gerçek dünya senaryolarını içeren 12-15 temsil görüntü seçin. Her karşılaştırma modeli için (baseline, YOLOv5n, YOLOv8n, YOLOv9s ve WTLS-YOLOv11n), bu görüntüler üzerinde 0.25 güven eşiği ve 0.45 IoU eşiği kullanılarak çıkarım yapılabilir. Algılama çıktılarını (sınıf etiketleri ve güven puanlarıyla sınırlayıcı kutular) bu görüntülere oluşturup render edin. Görselleştirmeleri, satırlar farklı senaryoları temsil ederken sütunlar farklı modelleri temsil eden bir ızgara formatında düzenleyin.
Dayanıklılık analizi: Farklı modellerden alınan render edilen algılama çıktılarını görsel olarak karşılaştırın. Önerilen modelin sağlamlığını ve üstünlüğünü, yanlış negatif (kaçırılan nesneler), yanlış pozitifler (yanlış tespitler) ve tekrarlanan tespitler (tek bir nesne için birden fazla kutu ve tahminler arasında 0,7 IoU> örneklerini sayarak ve işaretleyerek değerlendirin. Görselleştirme şeklindeki sorunlu algıları vurgulamak için kırmızı daireler kullanın. Seçilen test görüntüleri boyunca model başına yanlış negatif oranları ve yanlış pozitif sayılarını hesaplayın. Modeller arasında gerçek pozitif tespitler için ortalama güven puanlarını çıkarıp karşılaştırın.
Yorumlanabilirlik analizi
C3K2-WTConv modülünün sağladığı doğal yorumlanabilirliği doğrulamak için, seçilmiş giriş görüntüleri üzerinde görselleştirme prosedürü gerçekleştirildi. Eğitilmiş WTLS-YOLOv11n modeli yüklendi ve omurganın 4. katmanındaki C3K2-WTConv modülüne ön bir kanca kaydedildi. İleriye doğru yayılma giriş görüntüsünde gerçekleştirildi ve çıkış özelliği tensörü yakalandı. Yakalanan özellikten şekil tensörü [parti, kanallar, yükseklik, genişlik], farklı frekans bileşenlerine karşılık gelen kanallar ayrıldı. Kanalların ilk %25'i düşük frekanslı (LL) bileşen olarak, kalan %75'i ise yüksek frekanslı (LH, HL, HH) bileşenleri olarak belirlendi. Her frekans bileşen tipi için, o bileşen içindeki tüm kanalların ortalaması tek kanallı aktivasyon haritaları oluşturmak üzere hesaplandı. L2-normu, güçlü aktivasyonları vurgulamak için gerektiğinde mekânsal boyutlar arasında uygulandı. Aktivasyon haritaları [0, 1] aralığına normalize edildi ve bir renk haritası (örneğin, 'jet' renk haritası) uygulandı. Isı haritaları, orijinal giriş görüntü çözünürlüğüne uygun şekilde bilinear interpolasyon kullanılarak yeniden boyutlandırıldı. Düşük frekanslı ısı haritası ve yüksek frekanslı ısı haritası, orijinal görüntünün üzerine %40 şeffaflıkla üst üste bindirilerek modelin yapısal ve dokusal özelliklere odaklandığı yerleri gösteren yorumlanabilir görselleştirmeler oluşturuldu.
Tespit kararlarının frekans alanı özelliklerine dayandığını titizlikle doğrulamak için nicel bir analiz yapıldı. Test setinden başarılı tespitler içeren (güven puanı 0,5'ten üzer) 200 ila 300 görüntü alt kümesi seçildi. Bu alt küme, örnekleme yanlılığını önlemek için çeşitli senaryoları temsil etmesi sağlanmıştır. Alt kümedeki her görüntü için ileri yayım yapıldı ve 4. omurga katmanındaki C3K2-WTConv modülünün çıktısı çıkarıldı. Özellik tensörü, düşük frekanslı (LL, kanalların ilk %25'i) ve yüksek frekanslı (HF, kalan %75) bileşenlere ayrılmıştı. Her görüntü için, her iki frekans bileşeni için mekânsal boyutlar (yükseklik ve genişlik) üzerinden ortalama mutlak aktivasyon gücü, hesaplandı. LL gücü, tüm uzamsal konumlar boyunca LL özelliklerinin mutlak değerinin ortalaması olarak hesaplandı ve HF gücü, tüm uzamsal konumlardaki HF özelliklerinin mutlak değerinin ortalaması olarak hesaplandı. Bu değerler, o görüntü için maksimum tespit güven puanıyla birlikte kaydedildi. Tüm görüntülerde toplanan veriler (LL_strength, HF_strength, confidence_score) kullanılarak Pearson korelasyon katsayıları hesaplandı. LL gücü ile güven puanı arasındaki korelasyon ve HF gücü ile güven puanı arasındaki korelasyon hesaplandı. İstatistiksel yazılım veya Python'un scipy.stats.pearsonr fonksiyonu kullanılarak hem korelasyon katsayıları (r) hem de p-değerleri elde edilmiştir. İstatistiksel anlamlılık, 0,05 p-değer eşiği kullanılarak değerlendirildi; burada 0,05'ten küçük bir p-değeri korelasyonun istatistiksel olarak anlamlı olduğunu gösterdi. Korelasyon katsayılarının büyüklüğü, hangi frekans bileşeninin tespit güveniyle daha güçlü ilişkiye sahip olduğu belirlenmek için karşılaştırıldı. Aşağıdaki metrikler yapılandırılmış formatta kaydedilmiştir: LL korelasyon katsayısı (rLL) ve p-değeri (pLL), HF korelasyon katsayısı (rHF) ve p-değeri (pHF), ortalama aktivasyon güçleri (ortalamaLL, ortaHF) ve örneklem büyüklüğü (analiz edilen görüntü sayısı). Beklenen sonuçlar, düşük frekanslı özelliklerin, yüksek frekanslı özelliklere kıyasla (rHF yaklaşık 0,40 ile 0,50, p 0,01'den az) güven puanlarıyla daha güçlü pozitif korelasyon göstereceği (rHF yaklaşık 0,40 ile 0,50, p 0,01'den az) ve tespit kararlarının ağırlıklı olarak LL bileşeninde yakalanan yapısal bilgilerle belirlendiğini gösteriyordu.
Bu nicel analiz, nitel görselleştirmenin sınırlarının ötesinde yorumlanabilirlik sağladı. Korelasyon analizi (istatistiksel ilişkiyi gösteren) ve frekans-alan görselleştirmesinin (mekansal dikkat gösterme) birleşimi, modelin karar verme süreçlerinin tasarımın amaçladığı gibi gerçekten düşük frekanslı yapısal özelliklere dayandığına dair kesin ampirik kanıtlar sağladı.
Beklenen sonuçlar: Düşük frekanslı özellikler, yüksek frekanslı özelliklere (r HF<>≈ 0,40-0,50, p < 0,01) kıyasla güven puanlarıyla daha güçlü pozitif korelasyon göstermelidir (rHF 0,40-0,50, p 0,01), bu da tespit kararlarının ağırlıklı olarak LL bileşeninde yakalanan yapısal bilgilerle belirlendiğini gösterir.
Bu nicel analiz, nitel görselleştirmenin ötesinde yorumlanabilirlik sağlar. Korelasyon analizi (istatistiksel ilişkiyi göstererek) ve frekans-alan görselleştirmesinin (mekansal dikkat gösterme) birleşimi, modelin karar alma süreçlerinin tasarım tarafından amaçlandığı gibi gerçekten düşük frekanslı yapısal özelliklere dayandığına dair kesin ampirik kanıtlar sunar.
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
Sonuçlar
Önerilen WTLS-YOLOv11n modelinin performansını değerlendirmek için, kendi oluşturduğumuz PPE veri setimiz ve PASCAL VOC 2007+2012 veri seti üzerinde deneyler yaptık. Tüm metrikler, aksi belirtilmedikçe ilgili test setlerinde raporlanır.
Son Teknoloji Modellerle Karşılaştırma
WTLS-YOLOv11n'i ana akım nesne dedektörleriyle üç mimari paradigma boyunca karşılaştırdık: CNN tabanlı YOLO modelleri (YOLOv5n, YOLOv8n, YOLOv9t, YOLOv11n), iki aşamalı dedektö...
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
Tartışma
Deneysel sonuçlar, WTLS-YOLOv11n'in parametreleri YOLOv11n başlangıç seviyesine göre %11,5 azaltırken %90,1 mAP elde ettiğini göstermektedir. Hem doğruluk hem de verimlilik artışı, üç bileşenin sinerjik entegrasyonundan kaynaklanır: dalgalet tabanlı özellik çıkarma, hafif algılama başlığı tasarımı ve geliştirilmiş lokalizasyon kaybı.
Ablasyon çalışması, C3K2-WTConv modülünün en büyük bireysel performans artışını sağladığını ve mAP'yi %86,3'ten %89,1'e yükseltt...
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
Açıklamalar
Yazarlar çıkar çatışması belirtmemektedir.
Malzemeler
| Ad | Şirket | Katalog numarası | Yorumlar |
|---|---|---|---|
| CUDA Araç Seti | NVIDIA Corporation | CUDA Toolkit Sürüm 11.7 | |
| Derin Öğrenme Çerçevesi | PyTorch Vakfı | PyTorch Sürüm 1.12.0 | |
| Grafik İşlemci Birimi | NVIDIA Corporation | GeForce RTX 4090 | |
| NumPy | NumPy Geliştiricileri | NumPy | |
| OpenCV | OpenCV Takımı | opencv-python | |
| İşletim Sistemi | Canonical Ltd. | Ubuntu 22.04 LTS (veya işletim sisteminizi belirtin) | |
| Python | Python Yazılım Vakfı | Python Sürüm 3.8 veya üzeri | |
| TensorBoard | TensorFlow Yazarları | TensorBoard | |
| Torchvision | PyTorch Vakfı | Torchvision |
Kaynaklar
- You only look once: Unified, real-time object detection. Redmon, J., Divvala, S., Girshick, R., Farhadi, A. Proc IEEE Conf Comput Vis Pattern Recognit, , (2016).
- Liu, M., Li, Z., Li, Y., Liu, Y. A fast and accurate method of power line intelligent inspection based on edge computing. IEEE Trans Instrum Meas. 71, 1-12 (2022).
- Gallo, G., Di Rienzo, F., Garzelli, F., Ducange, P., Vallati, C. A smart system for personal protective equipment detection in industrial environments based on deep learning at the edge. IEEE Access. 10, 110862-111110 (2022).
- Selvaraju, R. R., et al. Grad-CAM: Visual explanations from deep networks via gradient-based localization. Int J Comput Vis. 128, 336-359 (2020).
- Grad-CAM++: Generalized gradient-based visual explanations for deep convolutional networks. Chattopadhay, A., Sarkar, A., Howlader, P., Balasubramanian, V. N. Proc. IEEE Winter Conf Appl Comput Vis (WACV, , (2018).
- Axiom-based grad-CAM: Towards accurate visualization and explanation of CNNs. Fu, R., et al. Proc Brit Mach Vis Conf, , (2020).
- Yipeng, L., Junwu, W. Personal protective equipment detection for construction workers: A novel dataset and enhanced YOLOv5 approach. IEEE Access. 12, 47338-47358 (2024).
- BN, R., Guru, R. Small object detection for indoor assistance to the blind using YOLO NAS small and super gradients. arXiv preprint. , (2024).
- Yolov9: Learning what you want to learn using programmable gradient information. Wang, C. Y., Yeh, I. H., Liao, H. Y. M. Eur Conf Comput Vis, , Springer Nature. Switzerland, Cham. (2024).
- Searching for mobilenetv3. Howard, A., et al. Proc. IEEE/CVF Int Conf Comput Vis, , https://ieeexplore.ieee.org/document/9008835 (2019).
- Liu, B., et al. YOLO-M: An efficient YOLO variant with MobileOne backbone for real-time license plate detection. Proc Int Semin Artif Intell Netw Inf Technol (AINIT). , IEEE. (2024).
- Ma, X., et al. Light-YOLOv4: An edge-device oriented target detection method for remote sensing images. IEEE J Sel Top Appl Earth Obs Remote Sens. 14, 10808-10820 (2021).
- Scaling up your kernels to 31x31: Revisiting large kernel design in CNNs. Ding, X., Zhang, X., Han, J., Ding, G. Proc. IEEE/CVF Conf. Comput. Vis. Pattern Recognit, , https://openaccess.thecvf.com/content/CVPR2022/papers/Ding_Scaling_Up_Your_Kernels_to_31x31_Revisiting_Large_Kernel_Design_CVPR_2022_paper.pdf (2022).
- Black-box explanation of object detectors via saliency maps. Petsiuk, V., Jain, R., Manjunatha, V. Proc. IEEE/CVF Conf. Comput. Vis. Pattern Recognit, , (2020).
- He, L., et al. Research and application of YOLOv11-based object segmentation in intelligent recognition at construction sites. Buildings. 14 (12), 3777(2024).
- Liu, Q., Lv, J., Zhang, C. MAE-YOLOv8-based small object detection of green crisp plum in real complex orchard environments. Comput Electron Agric. 226, 109458(2024).
- Fast r-cnn. Girshick, R. Proc IEEE Int Conf Comput Vis, , https://www.cv-foundation.org/openaccess/content_iccv_2015/papers/Girshick_Fast_R-CNN_ICCV_2015_paper.pdf (2015).
- Detrs beat yolos on real-time object detection. Zhao, Y., et al. Proc IEEE/CVF Conf Comput Vis. Pattern Recognit, , https://openaccess.thecvf.com/content/CVPR2024/papers/Zhao_DETRs_Beat_YOLOs_on_Real-time_Object_Detection_CVPR_2024_paper.pdf (2024).
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.