SpectralCA: Hybrid Neural Network for UAV-Based Hyperspectral Landmine Detection

Скорочена інформація про документ
dc.contributor.advisorSineglazov, Viktor Mykhailovych
dc.contributor.authorBrovko, Danil Vitaliiovych
dc.date.accessioned2026-02-18T12:56:44Z
dc.date.available2026-02-18T12:56:44Z
dc.date.issued2025
dc.description.abstractMaster's dissertation: 111 p., 29 figures, 20 tables, 41 references, and 2 appendices. The relevance of this research lies in the growing demand for unmanned aerial vehicles (UAVs) capable of operating reliably in complex environments where conventional navigation becomes unreliable due to interference, poor visibility, or camouflage. Hyperspectral imaging (HSI) provides unique opportunities for UAV-based computer vision by enabling fine-grained material recognition and object differentiation, which are critical for navigation, surveillance, agriculture, and environmental monitoring. The object of the study is hyperspectral image classification. The subject of the research is development of a high-performance deep learning architecture for a classification task in hyperspectral imaging. The purpose of this work is to modify the Mobile 3D Vision Transformer (MDvT) by introducing the proposed SpectralCA block. This block employs bi-directional cross-attention to fuse spectral and spatial features, enhancing accuracy while reducing parameters and inference time. Experimental evaluation was conducted on the WHU-Hi-HongHu dataset, with results assessed using Overall Accuracy, Average Accuracy, and the Kappa coefficient. The findings confirm that the proposed architecture improves UAV perception efficiency, enabling real-time operation for navigation, object recognition, and environmental monitoring tasks. Versions of this work were published in arXiv and presented at the 2025 IEEE 8th International Conference on Methods and Systems of Navigation and Motion Control. Also, this research won first place at the 2025 International Student Research Competition in Artificial Intelligence.
dc.description.abstractotherМагістерська дисертація: 111 с., 29 рис., 20 табл., 41 посилання, 2 додатки. Актуальність: зростає попит на безпілотні літальні апарати (БПЛА), здатні надійно працювати в складних умовах, де традиційна навігація стає ненадійною через перешкоди, погану видимість або маскування. Гіперспектральна візуалізація (HSI) надає унікальні можливості для комп'ютерного зору на базі БПЛА, забезпечуючи точне розпізнавання матеріалів та диференціацію об'єктів, що є критично важливим для навігації, моніторингу навколишнього середовища тощо. Об’єкт дослідження: класифікація гіперспектральних зображень. Предмет дослідження: розробка високоефективної архітектури глибокого навчання для завдання класифікації в гіперспектральній візуалізації. Мета роботи: модифікація Mobile 3D Vision Transformer (MDvT) шляхом впровадження нового блоку SpectralCA. Він використовує двонаправлену перехресну увагу для об'єднання спектральних і просторових ознак, підвищуючи точність та одночасно зменшуючи параметри та час інференсу. Оцінка була проведена на наборі даних WHU-Hi-HongHu, а результати порівняли за допомогою коефіцієнта Каппа, загальної та середньої точностей. Результати підтверджують, що запропонована архітектура покращує ефективність сприйняття БПЛА. Версії цієї роботи були опубліковані в arXiv і представлені на 2025 IEEE 8th International Conference on Methods and Systems of Navigation and Motion Control. Також це дослідження посіло перше місце на 2025 International Student Research Competition in Artificial Intelligence.
dc.format.extent114 p.
dc.identifier.citationBrovko, D. V. SpectralCA: Hybrid Neural Network for UAV-Based Hyperspectral Landmine Detection : Master’s Thesis : 122 Computer Sciences / Brovko, Danil Vitaliiovych. – Kyiv, 2025. – 114 p.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/78850
dc.language.isoen
dc.publisherIgor Sikorsky Kyiv Polytechnic Institute
dc.publisher.placeKyiv
dc.subjectSpectralCA
dc.subjectdeep learning
dc.subjectcomputer vision
dc.subjecthyperspectral imaging
dc.subjectunmanned aerial vehicle
dc.subjectobject detection
dc.subjectsemi-supervised learning
dc.subjectSpectralCA
dc.subjectглибоке навчання
dc.subjectкомп'ютерний зір
dc.subjectгіперспектральне бачення
dc.subjectбезпілотний літальний апарат
dc.subjectвиявлення об'єктів
dc.subjectнапівкероване навчання
dc.subject.udc004.8:528.8:629.735
dc.titleSpectralCA: Hybrid Neural Network for UAV-Based Hyperspectral Landmine Detection
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Brovko_magistr.pdf
Розмір:
8.87 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

Магістерські роботи (ШІ)
Магістерські роботи