జర్నల్ ఆఫ్ కంప్యూటర్ ఇంజనీరింగ్ & ఇన్ఫర్మేషన్ టెక్నాలజీ

వస్తువులను గుర్తించడం మరియు ట్రాక్ చేయడం కోసం డ్రోన్-ఆధారిత డీప్ లెర్నింగ్ ఫ్రేమ్‌వర్క్

ముహమ్మద్ షోయబ్ 1, నాసిర్ సయ్యద్

n ఇటీవలి సంవత్సరాలలో, కృత్రిమ మేధస్సు మరియు మానవరహిత వైమానిక వాహనాలు (UAVలు) సమగ్రపరచడం అనేది అధ్యయనం యొక్క చర్చనీయాంశంగా మారింది, ప్రత్యేకించి UAVలు మానవ నియంత్రణలో త్వరగా పూర్తి చేయలేని సంక్లిష్టమైన పనులను నిర్వహించాలి. టాప్-డౌన్ కెమెరా లేదా LiDAR సెన్సార్‌లు వంటి పరిస్థితుల గురించి పూర్తి వివరాలను సేకరించడానికి డ్రోన్‌లు తరచుగా అనేక సెన్సార్‌లను ఉపయోగిస్తాయి మరియు ప్రధాన ప్రాసెసర్ డ్రోన్ యొక్క అన్ని పథాలను కొలుస్తుంది. మోనోక్యులర్ ఆన్-బోర్డ్ కెమెరా మరియు రీన్‌ఫోర్స్‌మెంట్ లెర్నింగ్ మోడల్‌ను ఉపయోగించే గుర్తించబడిన లక్ష్యాన్ని ట్రాక్ చేయడాన్ని ఈ పేపర్ ప్రతిపాదిస్తుంది. ఈ వ్యవస్థ మునుపటి విధానాల కంటే వివిధ సెన్సార్లు మరియు ముందుగా లెక్కించిన పథాలను ఉపయోగించి వాతావరణానికి మరింత ఖర్చుతో కూడుకున్నది మరియు అనుకూలమైనది. మా మోడల్ డ్యూయెల్ ఆర్కిటెక్చర్ మోడల్ (D3QN)తో మునుపటి డీప్ డబుల్ క్యూ నెట్‌వర్క్‌ను విస్తరించడం ద్వారా డ్రైవ్ నెట్‌వర్క్ పిక్చర్ ఇన్‌పుట్‌కి చుట్టుముట్టే బాక్స్ వివరాలను జోడించింది, యాక్షన్ టేబుల్ మరియు ఇన్సెంటివ్ ఫీచర్‌ను సవరించడం, మొబైల్ నెట్ మద్దతుతో కలిపి 3-డైమెన్షనల్ సంజ్ఞలు మరియు ఆబ్జెక్ట్ రికగ్నిషన్‌ను ప్రారంభించడం. అనుకరణలు వివిధ అనుకరణ సెట్టింగ్‌లలో నిర్వహించబడతాయి, ప్రతి ఒక్కటి దాని కష్టం మరియు అధునాతన స్థాయిని కలిగి ఉంటాయి. "Airsim" అప్లికేషన్, మైక్రోసాఫ్ట్-మద్దతు గల క్వాడ్రోటర్ సిమ్యులేషన్ API, పరిశోధన కోసం ఉపయోగించబడుతుంది. కన్వర్జెన్స్ ఆధారిత అన్వేషణ అల్గారిథమ్‌ని ఉపయోగించి, మోడల్ గమనించిన వస్తువును, ఒక మానవ వ్యక్తిని, మార్గంలో ఎటువంటి అడ్డంకులను చేరుకోకుండా మరియు వేగంగా తరలించబడిందని పరిశోధనలు వెల్లడిస్తున్నాయి.