Airplane Detection Using Deep Learning Based on VGG and SVM.

اكتشاف الطائرات باستخدام التعلم العميق المعتمد على VGG و SVM.

اكتشاف الأشياء يستخدم على نطاق واسع في العديد من التطبيقات مثل مراقبة المطارات ، تجنب الاصطدامات المحتملة ، المساعدة في إدارة المجال الجوي وتعزيز سلامة الطيران بشكل عام. في هذا البحث، تم اقتراح خوارزمية للتعرف على الطائرات بغض النظر عن الفئات المختلفة مثل طراز الطائرات ، حجمها ولونها. يمكن أن تتمثل التحديات الرئيسية في مهام الكشف التلقائي عن الطائرات في الاختلافات في شكل الطائرات بالإضافة إلى وضع اتجاهها ومقدار التشابه مع الكائنات الأخرى. لذلك، يحتاج الى تصميم نظام كشف عن الطائرات بحيث يتم التمييز بشكل فعال دون تأثير مجموعة من الخصائص مثل الدوران، اختلاف الاشكال والنماذج، الدقة، النوع، واللون النظام المصمم لاكتشاف الطائرات يتكون من ثلاث مراحل رئيسية: مرحلة استخراج الميزات ، اكتشاف الطائرة وتقييم دقة الاكتشاف. لاستخراج الميزات، تم استخدام تقنية التعلم العميق (VGG) لايجاد الخصائص الدقيقة. في حين تم الكشف عن الطائرات باستخدام خوارزمية تعلم الاله (SVM) . لغرض تقييم النظام المصمم، تم استخدام مجموعتي بيانات هما 101-Caltech و FGVC-Aircraft حيث بينت النتائج باستخدام درجة (F1) نسبة %۹۹ المجموعة بيانات 101-Caltech و ۸ ۹%لمجموعة بيانات FGVC. [ABSTRACT FROM AUTHOR]

Object detection is widely utilized in many applications, such as airport surveillance, prevention of potential collisions, aid in airspace management, and enhancing overall aviation safety. This paper proposes an algorithm for airplane detection regardless of the airplane’s model, type, or color variations. The main challenges in automatic airplane detection tasks could be the differences in scale, the orientation of the airplanes, and similarity with other objects. Therefore, an airplane detection system must be designed to achieve good discrimination without the influence of airplane rotation, pose, or resolution. Object detection can be performed by considering three major phases, i.e., feature extraction, detection of an airplane, and evaluation of the airplane. To extract the plane region, a deep feature extraction method is used with the VGG model. The plane is detected using the SVM. Two datasets were used to evaluate the designed system’s effectiveness. The results achieved a 99% F score using the Caltech-101 dataset and 98% for the FGVC-aircraft dataset. [ABSTRACT FROM AUTHOR]

Copyright of Tikrit Journal of Engineering Sciences is the property of Republic of Iraq Ministry of Higher Education & Scientific Research (MOHESR) and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)