Proceedings of the International scientific and practical conference ―Science, technology and culture: integration and prospects‖ (November 3-5, 2025) / Publisher website: www.naukainfo.com. – Kharkiv, Ukraine, 2025. - 254 p.
18 високою швидкістю, що робить їх придатними для застосування у режимі реального часу [3]. Двоетапні алгоритми, зокрема Faster R-CNN [6], працюють інакше: спочатку формують набір кандидатних регіонів (region proposals), а потім виконують класифікацію для кожного з них. Цей підхід забезпечує вищу точність, однак потребує більше обчислювальних ресурсів і часу на інференцію. 3.3. Специфіка виявлення об’єктів з перспективи БПЛА Перспектива зйомки з БПЛА суттєво ускладнює процес виявлення кількох об’єктів одночасно. На зображеннях, отриманих з великої висоти, об’єкти часто мають малий розмір і низьку роздільну здатність, а також накладаються на складне тло. У зв’язку з цим значного поширення набули одноетапні детектори серії YOLO і SSD , які поєднують високу швидкодію з прийнятною точністю. Так, Liu та співавт. [7] удосконалили мережу YOLO для роботи з дрібними об’єктами, інтегрувавши в її структуру модулі ResNet і Resblock Darknet , що дозволило зменшити ймовірність пропуску дрібних цілей. Подальші дослідження зосереджувалися на підвищенні ефективності моделей. Зокрема, Saetchnikov та ін. [8] запропонували варіант YOLOv4-eff, який використовує функцію активації Swish для покращення продуктивності, а Li та співавт. [9] інтегрували механізм уваги до архітектури SSD, що дало змогу знизити кількість помилкових спрацьовувань. У двоетапних системах також відбулися вдосконалення. Stadler [10] адаптував Cascade R-CNN для роботи з малими цілями, зменшивши розмір анкерних рамок і збільшивши кількість передбачуваних регіонів. Azimi та ін. [11] застосували сіамські мережі для вилучення ознак, а Yang [12] запропонував використати кластеризацію для підвищення швидкодії виявлення. 3.4. Обґрунтування вибору YOLOv7 Серед сучасних підходів найвищі показники співвідношення точності до швидкодії демонструє YOLOv7 , яка перевершує своїх попередників за
Made with FlippingBook
RkJQdWJsaXNoZXIy MTAxMzIwNA==