Comparing YOLOv3, YOLOv4 and YOLOv5 for Autonomous Landing Spot Detection in Faulty UAVs.

Nepal, Upesh; Eslamiat, Hossein

Nepal, Upesh; Eslamiat, Hossein.

Afiliação

Nepal U; Mechanical, Aerospace, and Material Engineering, Southern Illinois University Carbondale, 1230 Lincoln Dr, Carbondale, IL 62901, USA.
Eslamiat H; Mechanical, Aerospace, and Material Engineering, Southern Illinois University Carbondale, 1230 Lincoln Dr, Carbondale, IL 62901, USA.

Sensors (Basel) ; 22(2)2022 Jan 08.

Article em En | MEDLINE | ID: mdl-35062425

Assuntos

Algoritmos; Dispositivos Aéreos não Tripulados

Palavras-chave

DOTA aerial image dataset; UAV Safety; YOLOv3; YOLOv4; YOLOv5; deep learning; neural networks; object detection; unmanned aerial vehicle

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google

Texto completo: 1 Coleções: 01-internacional Base de dados: MEDLINE Assunto principal: Algoritmos / Dispositivos Aéreos não Tripulados Tipo de estudo: Diagnostic_studies Idioma: En Ano de publicação: 2022 Tipo de documento: Article

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google