Иcследование применения сверточных нейронных сетей YOLOv8 и YOLO11 при детектировании транспортных средств на аэрофотоснимках
| Parent link: | Молодежь и современные информационные технологии: сборник трудов XXII Международной научно-практической конференции студентов, аспирантов и молодых ученых, 15–17 апреля 2025 г., Томск/ под ред. А. С. Беляева. С. 422-427.— .— Томск: Изд-во ТПУ, 2025.— conference_tpu-2025-C04.pdf |
|---|---|
| Հիմնական հեղինակ: | |
| Այլ հեղինակներ: | |
| Ամփոփում: | В данной работе выполнено детектирование транспортных средств на аэрофотоснимках с помощью модели сверточной нейронной сети YOLOv8 и YOLO11. При обучении данных моделей были проведены ряд экспериментов с различными гиперпараметрами размера партии(batch) с использованием наборов данных CARPK. В результате исследований показано, что модели YOLOv8n и YOLO11n имеют высокие показатели по используемым метрикам оценки точности и имеют способность точно обнаруживать и определять транспортные средства на аэрофотоснимках. Сравнительный анализ результатов показал, что обе модели имеют близкие результаты по используемым метрикам оценки точности, а по скорости вычислений модель YOLO11n превосходит модель YOLOv8n Текстовый файл |
| Հրապարակվել է: |
2025
|
| Խորագրեր: | |
| Առցանց հասանելիություն: | http://earchive.tpu.ru/handle/11683/132249 |
| Ձևաչափ: | Էլեկտրոնային Գրքի գլուխ |
| KOHA link: | https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=681177 |
| Ամփոփում: | В данной работе выполнено детектирование транспортных средств на аэрофотоснимках с помощью модели сверточной нейронной сети YOLOv8 и YOLO11. При обучении данных моделей были проведены ряд экспериментов с различными гиперпараметрами размера партии(batch) с использованием наборов данных CARPK. В результате исследований показано, что модели YOLOv8n и YOLO11n имеют высокие показатели по используемым метрикам оценки точности и имеют способность точно обнаруживать и определять транспортные средства на аэрофотоснимках. Сравнительный анализ результатов показал, что обе модели имеют близкие результаты по используемым метрикам оценки точности, а по скорости вычислений модель YOLO11n превосходит модель YOLOv8n Текстовый файл |
|---|