Детектирование объектов воздушного пространства на изображениях с использованием сверточных нейронных сетей YOLOv5s; Молодежь и современные информационные технологии

Bibliographische Detailangaben
Parent link:Молодежь и современные информационные технологии.— 2024.— С. 96-101
1. Verfasser: Клековкин В. А.
Zusammenfassung:Рассматривается задача детектирования (обнаружения и классификации) летающих объектов трех классов на изображениях с помощью моделей сверточных нейронных сетей (СНС) YOLOv5s и YOLOv5x. Для обучения, валидации и исследования эффективности этих моделей разработан датасет. Он содержит размеченные изображения с летающими объектами трех классов: Беспилотный летательный аппарат (БПЛА) самолетного типа, включая «летающее крыло», БПЛА вертолетного типа и Птица. Исследования предложенных моделей СНС по точности классификации таких объектов на изображениях тестовой выборки датасета показали, что обе модели показывают высокие и весьма близкие результаты по всем используемым метрикам оценки точности классификации. В результате исследований также получено, что по скорости вычислений модель YOLOv5s значительно превосходит модель YOLOv5x
Текстовый файл
Sprache:Russisch
Veröffentlicht: 2024
Schriftenreihe:Искусственный интеллект, машинное обучение и большие данные
Schlagworte:
Online-Zugang:http://earchive.tpu.ru/handle/11683/84800
Format: MixedMaterials Elektronisch Buchkapitel
KOHA link:https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=675236

MARC

LEADER 00000naa2a2200000 4500
001 675236
005 20250226105049.0
090 |a 675236 
100 |a 20241008d2024 k||y0rusy50 ca 
101 0 |a rus 
102 |a RU 
135 |a drbn ---uucaa 
200 1 |a Детектирование объектов воздушного пространства на изображениях с использованием сверточных нейронных сетей YOLOv5s  |f Клековкин В. А. 
225 1 |a Искусственный интеллект, машинное обучение и большие данные 
283 |2 RDAcarrier 
320 |a Список использованных источников: 9 назв 
330 |a Рассматривается задача детектирования (обнаружения и классификации) летающих объектов трех классов на изображениях с помощью моделей сверточных нейронных сетей (СНС) YOLOv5s и YOLOv5x. Для обучения, валидации и исследования эффективности этих моделей разработан датасет. Он содержит размеченные изображения с летающими объектами трех классов: Беспилотный летательный аппарат (БПЛА) самолетного типа, включая «летающее крыло», БПЛА вертолетного типа и Птица. Исследования предложенных моделей СНС по точности классификации таких объектов на изображениях тестовой выборки датасета показали, что обе модели показывают высокие и весьма близкие результаты по всем используемым метрикам оценки точности классификации. В результате исследований также получено, что по скорости вычислений модель YOLOv5s значительно превосходит модель YOLOv5x 
336 |a Текстовый файл 
463 |0 674802  |9 674802  |c Томск  |d 2024  |n Изд-во ТПУ  |o сборник трудов XXI Международной научно-практической конференции студентов, аспирантов и молодых ученых, 15–18 апреля 2024 г., Томск  |t Молодежь и современные информационные технологии  |u conference_tpu-2024-C04.pdf  |v С. 96-101  |f ред. кол. А. С. Фадеев, Н. Г. Марков, В. Г. Спицын [и др.] 
610 1 |a электронный ресурс 
610 1 |a труды учёных ТПУ 
610 1 |a нейронные сети 
610 1 |a датасет 
610 1 |a YOLO 
610 1 |a летающие объекты 
700 1 |a Клековкин  |b В. А. 
801 0 |a RU  |b 63413507  |c 20241008 
850 |a 63413507 
856 4 |u http://earchive.tpu.ru/handle/11683/84800  |z http://earchive.tpu.ru/handle/11683/84800 
942 |c CF