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.

22 Рис. 2. Структурна схема покращеної архітектури YOLOv7-DSC із впровадженням EIOU-функції втрат 4. Експериментальна оцінка Для оцінки ефективності запропонованої архітектури було проведено тестування на датасеті COCO (Common Objects in Context), який містить зображення реальних сцен із широким спектром умов: міське та сільське середовище, різні кути зйомки, рівні освітлення, щільність об’єктів та їх взаємодію. Експерименти виконувалися на апаратній платформі з процесором AMD Ryzen 5 7500F (тактова частота до 5.2 ГГц), графічним прискорювачем NVIDIA GeForce RTX 4070 Super Ti (16 ГБ VRAM) та 32 ГБ оперативної пам’яті. Навчання проводилося в операційній системі Windows за допомогою Python 3.11.11, фреймворку PyTorch 1.11.0 та CUDA 12.9 для апаратного прискорення. Процес оптимізації моделі здійснювався за допомогою алгоритму Adam із такими гіперпараметрами: розмір батчу — 32, початкова швидкість навчання (lr₀) — 0.01, імпульс — 0.937, регуляризація (weight decay) — 0.0005. Тривалість навчання становила 300 епох, що забезпечило достатню глибину тренування.