EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

ЗГОРТКОВІ НЕЙРОННІ МЕРЕЖІ ТА ВІЗУАЛЬНІ ТРАНСФОРМЕРИ ДЛЯ ДЕТЕКЦІЇ ДРІБНИХ ОБ’ЄКТІВ НА АЕРОФОТОЗНІМКАХ БПЛА

Viktor Podvyshennyi, Andrii Safonyk

Modeling Control and Information Technologies · 11.11.2026 · (9) · 188

DOI: 10.31713/mcit.2026.029 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Modeling Control and Information Technologies, online erschienen am 11.11.2026. Verfasst von Viktor Podvyshennyi und 1 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Анотація Вступ. Автоматичне розпізнавання об'єктів на знімках з безпілотних літальних апаратів (дронів) досі залишається складним завданням. Головна причина — знімки з висоти показують дуже дрібні об'єкти, розміри яких сильно відрізняються між собою; за оцінками, більшість об'єктів у популярному наборі даних VisDrone2019-DET займають менш як 32×32 пікселі. У роботі порівнюються два основні підходи до розпізнавання зображень — згорткові нейронні мережі (CNN) та візуальні трансформери (ViT) — і пропонується гібридна модель AeroCNN-ViT, що поєднує переваги обох. Матеріали та методи. Пояснено, як влаштовані архітектури CNN і ViT. Шість відомих моделей розпізнавання протестовано на одному й тому самому наборі знімків VisDrone2019-DET за однакових умов, щоб порівняння було чесним. Окремо проведено власний експеримент із трьома моделями (YOLOv8m, RT-DETR-L та YOLOS-tiny), який підтвердив результати порівняльного аналізу. Результати. Гібридна модель RT-DETR-L показала найкращу точність саме при виявленні дрібних об'єктів, помітно випередивши CNN-модель, і ViT-модель. Це підтверджує загальну тенденцію: гібридний підхід стабільно перевершує обидва підходи окремо. На основі отриманих результатів теоретично описано дві гібридні архітектури, які доповнюють одна одну: наскрізну модель AeroCNN-ViT і модульну систему, де CNN і ViT з'єднані послідовно. Висновки. Поєднання CNN і ViT дає помітно кращі результати при виявленні дрібних об'єктів на аерознімках БПЛА, ніж використання лише одного з цих підходів. Це обґрунтовує доцільність подальшої розробки запропонованої архітектури AeroCNN-ViT.

Zitieren

APA

Podvyshennyi, V., & Safonyk, A. (2026). ЗГОРТКОВІ НЕЙРОННІ МЕРЕЖІ ТА ВІЗУАЛЬНІ ТРАНСФОРМЕРИ ДЛЯ ДЕТЕКЦІЇ ДРІБНИХ ОБ’ЄКТІВ НА АЕРОФОТОЗНІМКАХ БПЛА. Modeling Control and Information Technologies, 188. https://doi.org/10.31713/mcit.2026.029

Vancouver

Podvyshennyi V, Safonyk A. ЗГОРТКОВІ НЕЙРОННІ МЕРЕЖІ ТА ВІЗУАЛЬНІ ТРАНСФОРМЕРИ ДЛЯ ДЕТЕКЦІЇ ДРІБНИХ ОБ’ЄКТІВ НА АЕРОФОТОЗНІМКАХ БПЛА. Modeling Control and Information Technologies. 2026:188. doi:10.31713/mcit.2026.029

BibTeX
@article{Podvyshennyi2026,
  author = {Podvyshennyi, Viktor and Safonyk, Andrii},
  title = {ЗГОРТКОВІ НЕЙРОННІ МЕРЕЖІ ТА ВІЗУАЛЬНІ ТРАНСФОРМЕРИ ДЛЯ ДЕТЕКЦІЇ ДРІБНИХ ОБ’ЄКТІВ НА АЕРОФОТОЗНІМКАХ БПЛА},
  journal = {Modeling Control and Information Technologies},
  year = {2026},
  number = {9},
  pages = {188},
  doi = {10.31713/mcit.2026.029}
}
Kostenlos starten →