СУЧАСНІ ПІДХОДИ ДО РОЗПІЗНАВАННЯ ВІЙСЬКОВИХ ОБ’ЄКТІВ ІЗ ВИКОРИСТАННЯМ МОДЕЛІ YOLOV8
DOI:
https://doi.org/10.34132/mspc2025.01.14.16Ключові слова:
YOLOv8, нейронні мережі, Python, набір даних, розмітка, військові об’єкти.Анотація
У роботі розглядаються сучасні підходи до розпізнавання військових об’єктів із використанням нейромережевої моделі YOLOv8. Основну увагу приділено модифікаціям nano та small, які забезпечують оптимальний баланс між швидкодією та точністю. Навчання здійснюється протягом 50 епох на основі підготовленого набору даних, що містить 12 класів різноманітних військових і цивільних об’єктів. Проведено розмітку зображень та аналіз ефективності моделей в умовах наближених до реальних бойових сценаріїв. Отримані результати свідчать про високу придатність легких версій YOLOv8 для виконання оборонних і розвідувальних завдань у режимі реального часу. Окрему увагу приділено можливості інтеграції навчених моделей у безпілотні літальні апарати (БпЛА) для автоматичного виявлення цілей.
Посилання
Alawi, M., & Mohammed, A. (2024). The Role of YOLOv8 in Enhancing Strategic Military Equipment Detection. ResearchGate.
Singh, S., & Ratna, G. N. (2024). Military Based Object Detection in Satellite Imagery by Optimising YOLOv8. IEEE Space, Aerospace and Defence Conference.
Alawi, M., & Mohammed, A. (2024). Empowering Military Vehicle Detection and Classification with YOLOv8 Model. ResearchGate.
Zhao, B., Zhou, Y., Song, R. et al. (2024) Modular YOLOv8 optimization for real-time UAV maritime rescue object detection. Sci Rep 14, 24492.
