Застосування глибинного навчання в задачах розпізнавання образів на аерознімках

В даній роботі були описані теоретичні основи глибокого навчання та згорткових нейронних мереж. Окремо були розглянуті популярні архітектури мереж для розпізнавання об’єктів: класичний підхід, YOLO, SSD. Були описані переваги та недоліки цих підходів, і також вказані потенційні місця для покращення. Зроблено та перевірено припущення щодо доцільності використання власнорозробленої спрощеної пірамідальної мережі ознак в архітектурі SSD при розпізнаванні малих об’єктів. Для цього були виміряні та порівняні показники швидкодія та точність, на які користувачі звертають увагу при виборі моделі для своїх потреб.
Поставлена задача розпізнавання образів на аерофотознімках та виділені її особливості в контексті розглянутих моделей. Результати роботи демонструються у вигляді простих для аналізу графіків та малюнків.
Запропонований у цій роботі підхід показує свою корисність, коли вхідні зображення мають великий масштаб. Додаткові питання, підняті у роботі є підставою для подальших досліджень в цій області.

Логачов М. Застосування глибинного навчання в задачах розпізнавання образів на аерознімках : кваліфікаційна робота ... бакалавра : 121 Інженерія програмного забезпечення / Михайло Логачов. - Київ, 2022. - 44 с.