Search academic texts

Information × Registration Number 0826U001042, PhD dissertation Status Доктор філософії Date 24-04-2026 popup.evolution o 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 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 Close