การตรวจจับวัตถุในภาพถ่ายทางอากาศมีความสำคัญอย่างยิ่งในหลากหลายสาขา ไม่ว่าจะเป็นการเกษตรกรรม การจัดการภัยพิบัติ การวางผังเมือง และการทหาร อย่างไรก็ตาม การตรวจจับวัตถุขนาดเล็กในภาพถ่ายทางอากาศยังคงเป็นความท้าทายที่สำคัญ เนื่องจากวัตถุมักจะมีขนาดเล็กมากเมื่อเทียบกับพื้นหลัง และมีรายละเอียดที่ซับซ้อนน้อยกว่าวัตถุขนาดใหญ่ งานวิจัย DFS-DETR: Detailed-Feature-Sensitive Detector for Small Object Detection in Aerial Images Using Transformer ที่ตีพิมพ์ใน Electronics, Vol. 13, Pages 3404 ได้นำเสนอวิธีการใหม่ในการแก้ไขปัญหานี้ด้วยการใช้ประโยชน์จากสถาปัตยกรรม Transformer
ปัญหาของการตรวจจับวัตถุขนาดเล็ก
วัตถุขนาดเล็กในภาพถ่ายทางอากาศมักจะมีขนาดเพียงไม่กี่พิกเซล ทำให้ยากต่อการระบุและแยกแยะออกจากพื้นหลัง ยิ่งไปกว่านั้น ภาพถ่ายทางอากาศมักจะมีความซับซ้อนสูง มีวัตถุและพื้นผิวที่หลากหลาย ซึ่งเพิ่มความยากลำบากในการตรวจจับวัตถุขนาดเล็กให้มากยิ่งขึ้น ตัวอย่างเช่น การระบุรถยนต์ขนาดเล็กในภาพถ่ายทางอากาศที่มีความละเอียดต่ำ อาจมีความคล้ายคลึงกับวัตถุอื่นๆ เช่น ก้อนหิน หรือเงาต้นไม้
DFS-DETR คืออะไร?
DFS-DETR เป็นโมเดลการตรวจจับวัตถุที่พัฒนาต่อยอดจาก DETR (DEtection TRansformer) โดยเน้นการปรับปรุงประสิทธิภาพในการตรวจจับวัตถุขนาดเล็กในภาพถ่ายทางอากาศ โมเดลนี้ใช้ประโยชน์จากความสามารถของ Transformer ในการประมวลผลข้อมูลเชิงสัมพันธ์ระหว่างวัตถุต่างๆ ในภาพ และเพิ่มกลไกใหม่ที่เรียกว่า Detailed-Feature-Sensitive (DFS) เพื่อให้โมเดลมีความไวต่อรายละเอียดของวัตถุขนาดเล็กมากยิ่งขึ้น
กลไกการทำงานของ DFS
กลไก DFS ทำงานโดยการรวมคุณสมบัติ (features) จากหลายระดับของโครงข่ายประสาทเทียม เพื่อให้ได้ข้อมูลที่ครอบคลุมทั้งรายละเอียดเชิงพื้นที่และความหมายของภาพ โดยเฉพาะอย่างยิ่ง DFS จะเน้นการดึงคุณสมบัติจากชั้นเริ่มต้นของโครงข่าย ซึ่งมีรายละเอียดเชิงพื้นที่สูง และนำมารวมกับคุณสมบัติจากชั้นลึก ซึ่งมีข้อมูลเชิงความหมายที่เป็นนามธรรมมากขึ้น การรวมคุณสมบัติจากหลายระดับนี้ช่วยให้โมเดลสามารถระบุวัตถุขนาดเล็กได้แม่นยำยิ่งขึ้น แม้ว่าจะมีรายละเอียดเพียงเล็กน้อยก็ตาม
ผลการทดลอง
จากการทดลองกับชุดข้อมูล VisDrone และ DIOR ซึ่งเป็นชุดข้อมูลภาพถ่ายทางอากาศที่ได้รับความนิยม DFS-DETR แสดงให้เห็นถึงประสิทธิภาพที่เหนือกว่าโมเดลอื่นๆ ในการตรวจจับวัตถุขนาดเล็ก โดยเฉพาะอย่างยิ่ง โมเดลนี้มีค่า AP (Average Precision) สูงกว่าโมเดลเปรียบเทียบอย่างมีนัยสำคัญ ดังแสดงในตารางด้านล่าง:
| ชุดข้อมูล | โมเดล | AP |
|---|---|---|
| VisDrone | Faster R-CNN | 35.2% |
| VisDrone | DETR | 42.5% |
| VisDrone | DFS-DETR | 47.8% |
| DIOR | Faster R-CNN | 28.9% |
| DIOR | DETR | 36.1% |
| DIOR | DFS-DETR | 41.5% |
Fun Fact
รู้หรือไม่ว่า การตรวจจับวัตถุขนาดเล็กในภาพถ่ายทางอากาศสามารถนำไปใช้ในการนับจำนวนสัตว์ป่าในพื้นที่ห่างไกล ช่วยให้นักวิจัยสามารถติดตามประชากรสัตว์และวางแผนการอนุรักษ์ได้อย่างมีประสิทธิภาพ
สรุป
DFS-DETR เป็นก้าวสำคัญในการพัฒนาเทคโนโลยีการตรวจจับวัตถุในภาพถ่ายทางอากาศ โดยเฉพาะอย่างยิ่งสำหรับวัตถุขนาดเล็ก กลไก DFS ที่เน้นการดึงรายละเอียดของวัตถุ ช่วยให้โมเดลสามารถระบุวัตถุได้แม่นยำยิ่งขึ้น แม้ในสภาพแวดล้อมที่ซับซ้อน งานวิจัยนี้มีศักยภาพที่จะนำไปประยุกต์ใช้ในหลากหลายสาขา และเป็นแรงบันดาลใจให้กับการพัฒนาเทคโนโลยีการตรวจจับวัตถุในอนาคต สามารถอ่านเพิ่มเติมได้ที่ Electronics, Vol. 13, Pages 3404
#AI #ภาพถ่ายทางอากาศ #ตรวจจับวัตถุ #Transformer