ترجمه فارسی مقاله ترکیب پیشرفته پهپاد بدون سرنشین برای کاربرد: تحلیل جامع و الگوبرداری از مجموعه داده‌های تشخیص انسان برای سناریوهای فاجعه

چکیده

Unmanned aerial vehicles (UAVs) have revolutionized search and rescue (SAR) operations, but the lack of specialized human detection datasets for training machine learning models poses a significant challenge.To address this gap, this paper introduces the Combination to Application (C2A) dataset, synthesized by overlaying human poses onto UAV-captured disaster scenes. Through extensive experimentation with state-of-the-art detection models, we demonstrate that models fine-tuned on the C2A dataset exhibit substantial performance improvements compared to those pre-trained on generic aerial datasets. Furthermore, we highlight the importance of combining the C2A dataset with general human datasets to achieve optimal performance and generalization across various scenarios. This points out the crucial need for a tailored dataset to enhance the effectiveness of SAR operations. Our contributions also include developing dataset creation pipeline and integrating diverse human poses and disaster scenes information to assess the severity of disaster scenarios. Our findings advocate for future developments, to ensure that SAR operations benefit from the most realistic and effective AI-assisted interventions possible.

چکیده به فارسی (ترجمه ماشینی)

وسایل نقلیه هوایی بدون سرنشین (پهپادها) عملیات جستجو و نجات (SAR) را متحول کرده اند ، اما عدم وجود مجموعه داده های تخصصی تشخیص انسان برای آموزش مدل های یادگیری ماشین یک چالش مهم است. برای پرداختن به این شکاف ، این مقاله ترکیب را با مجموعه داده های کاربردی (C2A) معرفی می کند.، با روکش دادن به پوزهای انسانی بر روی صحنه های فاجعه با پهپادها سنتز می شود.از طریق آزمایش گسترده با مدلهای تشخیصی پیشرفته ، ما نشان می دهیم که مدل های تنظیم شده در مجموعه داده های C2A بهبود عملکرد قابل توجهی در مقایسه با نمونه هایی که از قبل آموزش داده شده در مجموعه داده های هوایی عمومی دارند ، نشان می دهند.علاوه بر این ، ما اهمیت ترکیب مجموعه داده های C2A را با مجموعه داده های عمومی انسانی برای دستیابی به عملکرد و تعمیم بهینه در سناریوهای مختلف برجسته می کنیم.این امر به نیاز اساسی به یک مجموعه داده متناسب برای افزایش اثربخشی عملیات SAR اشاره می کند.مشارکتهای ما همچنین شامل توسعه خط لوله ایجاد مجموعه داده ها و ادغام اطلاعات متنوع انسانی و اطلاعات صحنه های فاجعه برای ارزیابی شدت سناریوهای فاجعه است.یافته های ما از تحولات آینده حمایت می کند تا اطمینان حاصل کند که عملیات SAR از واقعی ترین و مؤثرترین مداخلات با کمک AI بهره می برد.