Яйлимова, Ганна ОлексіївнаНалуцишин, Максим Володимирович2025-06-162025-06-162025Налуцишин, 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.https://ela.kpi.ua/handle/123456789/74255Дипломна 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.78 с.ukвійськова технікаглибинне навчанняRetinaNetYOLOMobileNetсупутникові знімкимашинне навчаннякомп’ютерний зірmilitary equipmentdeep learningRetinaNetYOLOMobileNetsatellite imagerymachine learningcomputer visionBachelor Thesis