Дисертація доктора філософії. Казимиренко Олексій Володимирович. Нейромережеве розпізнавання об’єктів транспорту на аерокосмічних зображеннях

Registration Number

0826U001042, PhD dissertation

Status

Доктор філософії

Date

24-04-2026

popup.evolution

.

Title

Neural network recognition of transport objects in aerospace images

Author

Oleksii V. Kazymyrenko,

popup.head Volodymyr V. Hnatushenko
popup.opponent Serhiy V. Mashtalir
popup.opponent Kateryna Y. Ostrovska
popup.review Kateryna L. Sergieieva
popup.review Larysa S. Koriashkina

popup.rada

Dnipro University of Technology

Description

В дисертаційному дослідженні розв’язана важлива науково-прикладна задача розробки інформаційної технології розпізнавання транспортних засобів довільного розташування на аерокосмічних зображеннях з використанням методів глибинного навчання. Дисертація складається зі вступу, чотирьох розділів, висновків, списку використаних джерел та додатків. Повний обсяг дисертації – 168 сторінок; список використаних джерел зі 142 найменування, 3 додатки. Робота проілюстрована 46 рисунками та містить 10 таблиць. У вступі обґрунтовано актуальність теми, сформульовані мета і завдання дослідження, визначені методи роботи, наведена загальна характеристика дослідження та його структури, визначені наукова новизна, практичне значення отриманих результатів і особистий внесок автора, оцінена достовірність результатів, а також наведені відомості про публікації та апробацію результатів дослідження. У першому розділі проаналізовано сучасний стан розвитку методів аерокосмічного спостереження та обробки зображень високої просторової роздільної здатності. Розглянуто технічні аспекти формування аерокосмічних знімків, їх характеристики та спектральні особливості, а також методи попередньої обробки даних. Проаналізовано існуючі підходи до класифікації та розпізнавання об’єктів на аерокосмічних зображеннях, зокрема транспортних засобів, а також сучасні методи машинного навчання і глибинного навчання, включно зі згортковими нейронними мережами. Визначено проблеми і виклики автоматизованого розпізнавання об’єктів транспорту на аерокосмічних знімках і сформульовано завдання розробки інформаційної технології їх просторово-орієнтованого розпізнавання. У другому розділі запропоновано методи та інформаційні технології семантичної сегментації та просторово-орієнтованого розпізнавання транспортних засобів на аерокосмічних знімках високої просторової роздільної здатності. Розроблено нейромережевий підхід на основі архітектури DeepLab із глибинною залишковою мережею ResNet, що забезпечує багатомасштабне вилучення ознак і застосування функції втрат на основі коефіцієнта Dice, дозволяючи точно виділяти транспортні засоби навіть у складних багатокласових сценах та за часткового перекриття. Запропоновано методи підвищення точності розпізнавання транспортних засобів на аерокосмічних знімках: для виявлення повітряного транспорту застосовано інтеграцію контурних ознак із оригінальними зображеннями, а для виявлення автомобілів – модифіковану архітектуру YOLOv11 з орієнтованими обмежувальними рамками. Розроблений метод просторово- орієнтованого розпізнавання транспортних засобів довільного розташування забезпечує узгоджене багатомасштабне ознакове подання та контекстуальне узгодження ознак із семантичним поданням сцени, що сприяє підвищенню точності локалізації в умовах складного фону та щільного розташування об’єктів.

Registration Date

2026-04-15

popup.nrat_date

2026-04-15 / 2026-07-01