АВТОМАТИЧНЕ ВИЯВЛЕННЯ ЗАМАСКОВАНИХ ОБ’ЄКТІВ ЗА ДОПОМОГОЮ БПЛА: СУЧАСНІ НЕЙРОМЕРЕЖЕВІ ПІДХОДИ

Анотація

У статті представлено комплексний аналіз сучасних підходів до автоматичного виявлення замаскованих об’єктів за допомогою безпілотних літальних апаратів. Дослідження зосереджено на огляді архітектур глибинного навчання та методів комп’ютерного зору, які активно застосовуються у військовій сфері для підвищення точності та швидкодії систем аеророзвідки. Особливу увагу приділено моделям сімейства YOLO, зокрема YOLOv8, а також удосконаленим архітектурним рішенням — Cross Stage Partial Networks (CSPNet), Spatial Pyramid Pooling Fast (SPPF) та легким варіантам LightCSPNet, орієнтованим на мобільні платформи. Проаналізовано роль якісних та збалансованих наборів даних, анотаційних інструментів і методів попередньої обробки зображень у забезпеченні високої ефективності систем розпізнавання. Узагальнено результати експериментальних досліджень, що демонструють здатність сучасних моделей досягати точності понад 95 % навіть у складних умовах, зокрема за наявності диму, туману чи використання камуфляжних сіток. Визначено ключові проблеми, пов’язані з виявленням малих об’єктів, нестачею різноманітних датасетів та інтеграцією алгоритмів у ресурсообмежені бортові системи. На основі огляду зроблено висновок про перспективність розвитку гібридних архітектур та мультиспектральних підходів, що здатні забезпечити новий рівень ефективності систем аеророзвідки