Багатокритеріальний підхід до оцінювання продуктивності систем автоматичного виявлення об’єктів на аерофотоданих
Article Sidebar
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Main Article Content
Abstract
Стрімкий розвиток безпілотних літальних апаратів та автономних систем спостереження зумовлює зростання ролі автоматизованого аналізу аерофотоданих у задачах моніторингу, розвідки, навігації та ситуаційної обізнаності [1; 2; 4]. У реальних умовах експлуатації системи машинного зору UAV функціонують за наявності значної деградації вхідної інформації, спричиненої атмосферними впливами, динамікою руху платформи, оптичними викривленнями та цифровими артефактами обробки зображень.
Article Details
References
Arani, E., Gowda, S., Mukherjee, R., Magdy, O., & Zonooz, B. (2022). A comprehensive study of real‑time object detection networks across multiple domains: A survey. arXiv.
Colomina, I., & Molina, P. (2014). Unmanned aerial systems for photogrammetry and remote sensing: A review. ISPRS Journal of Photogrammetry and Remote Sensing, 92, 79–97. https://doi.org/10.1016/j. isprsjprs.2014.02.013.
Qi, S., Song, X., Li, Z., & Xie, T. (2023). Fast and efficient face detector based on large kernel attention for CPU device. Journal of Real-Time Image Processing, 20(4). https://doi.org/10. 1007/s11554-023-01326-3.
Wu, X., Li, W., Hong, D., Tao, R., & Du, Q. (2021). Deep learning for UAV‑based object detection and tracking: A survey. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 14, 3526–3545.