Иcследование применения сверточных нейронных сетей YOLOv8 и YOLO11 при детектировании транспортных средств на аэрофотоснимках; Молодежь и современные информационные технологии

Podrobná bibliografie
Parent link:Молодежь и современные информационные технологии.— 2025.— С. 422-427
Hlavní autor: Ли Цзюмин
Další autoři: Мамонова Т. Е. Татьяна Егоровна
Shrnutí: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
Jazyk:ruština
Vydáno: 2025
Témata:
On-line přístup:http://earchive.tpu.ru/handle/11683/132249
Médium: MixedMaterials Elektronický zdroj Kapitola
KOHA link:https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=681177

MARC

LEADER 00000naa2a2200000 4500
001 681177
005 20250916111808.0
090 |a 681177 
100 |a 20250807d2025 k||y0rusy50 ca 
101 0 |a rus 
102 |a RU 
135 |a drbn ---uucaa 
200 1 |a Иcследование применения сверточных нейронных сетей YOLOv8 и YOLO11 при детектировании транспортных средств на аэрофотоснимках  |f Ли Цзюмин, Мамонова Т. Е. 
320 |a Список использованных источников: 5 назв 
330 |a 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 
336 |a Текстовый файл 
463 1 |0 681090  |9 681090  |t Молодежь и современные информационные технологии  |o сборник трудов XXII Международной научно-практической конференции студентов, аспирантов и молодых ученых, 15–17 апреля 2025 г., Томск  |f под ред. А. С. Беляева  |c Томск  |d 2025  |n Изд-во ТПУ  |u conference_tpu-2025-C04.pdf  |v С. 422-427 
545 1 |a Компьютерное зрение, обработка естественного языка и интеллектуальные системы 
610 1 |a электронный ресурс 
610 1 |a труды учёных ТПУ 
610 1 |a детектирование объектов 
610 1 |a сверточная нейронная сеть 
610 1 |a YOLOv8 
610 1 |a YOLO11 
610 1 |a CARPK 
700 0 |a Ли Цзюмин 
701 1 |a Мамонова  |b Т. Е.  |c специалист в области информатики и вычислительной техники  |c доцент Томского политехнического университета, кандидат технических наук  |f 1983-  |g Татьяна Егоровна  |9 14174 
801 0 |a RU  |b 63413507  |c 20250807 
850 |a 63413507 
856 4 |u http://earchive.tpu.ru/handle/11683/132249  |z http://earchive.tpu.ru/handle/11683/132249 
942 |c CF