Методы и алгоритмы обнаружения объектов на основе семейства архитектур YOLO: магистерская диссертация / Олег Олегович Колб; БГУ, Факультет прикладной математики и информатики, Кафедра информационных систем управления; науч. рук. Лукашевич М. М.

Abstract

Реферат Магистерская диссертация, 99 страниц, 19 рисунков, 36 источников, 37 формул. Ключевые слова: МАШИННОЕ ОБУЧЕНИЕ, НЕЙРОННЫЕ СЕТИ, КОМПЬЮТЕРНОЕ ЗРЕНИЕ, ОБНАРУЖЕНИЕ ОБЪЕКТОВ, ДВУХСТУПЕНЧАТЫЕ ДЕТЕКТОРЫ, ОДНОСТУПЕНЧАТЫЕ ДЕТЕКТОРЫ, YOLO, OBB, EDA, FINE-TUNING, МЕТРИКИ КАЧЕСТВА, ВИЗУАЛИЗАЦИЯ РЕЗУЛЬТАТОВ, ULTRALYTICS. Объектом исследования являются алгоритмы и модели глубокого обучения, применяемые в задачах обнаружения объектов на изображениях. Предметом исследования — архитектуры YOLOv8, YOLOv11, YOLOv12 с поддержкой OBB, их обучение, оценка и практическое применение. Целью работы является сравнительный анализ и практическая апробация моделей YOLO с поддержкой OBB на изображениях из различных прикладных областей — промышленной визуализации, аэрофотосъёмки и медицины. Исследование сосредоточено на оценке производительности, точности и способности моделей к обобщению в зависимости от структуры сцены. В ходе работы были исследованы теоретические основы, проанализированы эволюционные этапы развития архитектур YOLO от ранних версий к современным моделям с поддержкой ориентированных ограничительных рамок (OBB), изучены основные подходы к аннотированию изображений и метрики оценки качества детекции. Проведена подготовка и структурный анализ трёх разнородных прикладных датасетов из сфер промышленной электроники, аэрофотосъёмки и медицинской диагностики. Осуществлено обучение моделей YOLOv8, YOLOv11 и YOLOv12 в различных конфигурация. Подготовлены мета-таблицы и визуализации, дающие всестороннее представление о качестве работы каждой модели. Полученные результаты были подвергнуты всестороннему сравнительному анализу, включая количественную оценку по метрикам mAP, IoU, Precision, Recall. Полученные результаты работы могут быть использованы при разработке интеллектуальных систем контроля качества, навигации, автоматической диагностики. Представленные модели пригодны для воспроизводимого применения и интеграции в различные системы.