Core Concepts
無人航空機(UAV)のタイプを正確に予測するための機械学習モデルを開発しました。
Abstract
この論文では、無人航空機(UAV)のタイプをクアッドローター、ヘキサローター、または固定翼として分類するための長期・短期記憶(LSTM)ニューラルネットワークを使用した機械学習モデルが紹介されています。実験では、タイムスタンプサンプリング方法やクラス分布の不均衡対策などが試され、最適な手法が特定されました。結果として、クアッドローターおよび固定翼飛行は高い精度で予測されましたが、ヘキサローターは他の多軸と似ているため誤分類が多かったことが示されました。さらに、データセットには重要な偏りがあり、データ拡張やオーバーサンプリングなどの手法で対処されました。
Stats
クアッドロータークラスは98.16%で正確に予測されました。
固定翼フライトも73.15%で正しく予測されました。
ヘキサローターは42.15%が誤ってクアッドローターとして誤分類されました。
Quotes
"Unmanned aerial vehicles are becoming common and have many productive uses."
"This paper presents a machine learning model for classifying unmanned aerial vehicles as quadrotor, hexarotor, or fixed-wing."
"Averaging the macro f-scores across 10 folds of data, we found that the majority quadrotor class was predicted well (98.16%)."