Порівняльний аналіз методів машинного навчання для ідентифікації військових об'єктів на аерокосмічних знімках

Скорочена інформація про документ
dc.contributor.advisorЯйлимова, Ганна Олексіївна
dc.contributor.authorНалуцишин, Максим Володимирович
dc.date.accessioned2025-06-16T08:15:26Z
dc.date.available2025-06-16T08:15:26Z
dc.date.issued2025
dc.description.abstractДипломна робота обсягом 78 сторінок містить 21 рисунок 3 додатки, 2 таблиці. У процесі дослідження було використано 23 бібліографічні джерела. Сучасні військові конфлікти, зокрема російсько-українська війна, висувають нові вимоги до оперативного аналізу ситуації на полі бою. Однією з найважливіших задач є автоматичне виявлення та ідентифікація військової техніки на супутникових або аерофотознімках. Цей процес дозволяє своєчасно виявляти загрози, планувати оборонні дії та здійснювати аналіз пересування ворожих сил. Моніторинг техніки з використанням традиційних методів часто є недостатньо ефективним, оскільки вимагає ручної обробки великої кількості зображень. Застосування сучасних методів комп’ютерного зору, зокрема глибоких згорткових нейронних мереж, дає змогу значно покращити точність і швидкість розпізнавання об’єктів. У практичній частині дипломної роботи було використано набір зображень військової техніки у форматі COCO з платформи Roboflow. Для розв’язання задачі виявлення було реалізовано навчання моделей RetinaNet, YOLO, MobileNet. Також проведено порівняльний аналіз точності та якості роботи моделей, оцінено їх ефективність на тестових зображеннях. Результати показали, що запропонований підхід може бути використаний для оперативного моніторингу зон бойових дій і є перспективним напрямом у військовій аналітиці на основі даних дистанційного зондування Землі.
dc.description.abstractotherThe thesis is 78 pages long and contains 21 figures, 3 appendices, and 2 tables. In the course of the research, 23 bibliographic sources were used. Modern military conflicts, in particular the Russian-Ukrainian war, put forward new requirements for operational analysis of the situation on the battlefield. One of the most important tasks is the automatic detection and identification of military equipment on satellite or aerial images. This process allows for timely detection of threats, planning of defensive actions and analysis of enemy movements. Monitoring equipment using traditional methods is often not effective enough, as it requires manual processing of a large number of images. The use of modern computer vision methods, in particular deep convolutional neural networks, can significantly improve the accuracy and speed of object recognition. In the practical part of the thesis, a set of images of military equipment in COCO format from the Roboflow platform was used. To solve the detection problem, the RetinaNet, YOLO, and MobileNet models were trained. A comparative analysis of the accuracy and quality of the models was also carried out, and their effectiveness on test images was evaluated. The results showed that the proposed approach can be used for operational monitoring of combat zones and is a promising area in military analytics based on remote sensing data.
dc.format.extent78 с.
dc.identifier.citationНалуцишин, М. В. Порівняльний аналіз методів машинного навчання для ідентифікації військових об'єктів на аерокосмічних знімках : дипломна робота ... бакалавра : 113 Прикладна математика / Налуцишин Максим Володимирович. – Київ, 2025. – 78 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/74255
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectвійськова техніка
dc.subjectглибинне навчання
dc.subjectRetinaNet
dc.subjectYOLO
dc.subjectMobileNet
dc.subjectсупутникові знімки
dc.subjectмашинне навчання
dc.subjectкомп’ютерний зір
dc.subjectmilitary equipment
dc.subjectdeep learning
dc.subjectRetinaNet
dc.subjectYOLO
dc.subjectMobileNet
dc.subjectsatellite imagery
dc.subjectmachine learning
dc.subjectcomputer vision
dc.titleПорівняльний аналіз методів машинного навчання для ідентифікації військових об'єктів на аерокосмічних знімках
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Nalutsyshyn_bakalavr.pdf
Розмір:
6.39 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (ММАД)
Бакалаврські роботи