Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот документ:
https://elib.bsu.by/handle/123456789/341181Полная запись метаданных
| Поле DC | Значение | Язык |
|---|---|---|
| dc.contributor.author | Gao, Yuhang | |
| dc.contributor.author | Nedzved, Alexander Mikhailovich | |
| dc.date.accessioned | 2026-02-05T11:05:06Z | - |
| dc.date.available | 2026-02-05T11:05:06Z | - |
| dc.date.issued | 2025 | |
| dc.identifier.citation | Информационные системы и технологии = Information Systems and Technologies : материалы XI Междунар. науч. конгр. по информатике (CSIST-2025), Респ. Беларусь, Минск, 29–31 окт. 2025 г. В 2 ч. Ч. 2 / Белорус. гос. ун-т ; редкол.: С. В. Абламейко (гл. ред.) [и др]. – Минск : БГУ, 2025. – С. 331-337. | |
| dc.identifier.isbn | 978-985-881-851-7 | |
| dc.identifier.isbn | 978-985-881-853-1 (ч. 2) | |
| dc.identifier.uri | https://elib.bsu.by/handle/123456789/341181 | - |
| dc.description | Раздел IV. Геоинформатика и дистанционное зондирование земли | |
| dc.description.abstract | We propose lightweight extensions to the YOLOv8n framework aimed at improving detection precision for small objects in UAV imagery. Our approach introduces a P2 detection head to enhance shallow feature representation, replaces nearest-neighbor upsampling with bilinear interpolation for smoother feature maps, and integrates a lightweight Transformer module into the neck to strengthen global context modeling | |
| dc.language.iso | en | |
| dc.publisher | Минск : БГУ | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.subject | ЭБ БГУ::ЕСТЕСТВЕННЫЕ И ТОЧНЫЕ НАУКИ::Кибернетика | |
| dc.title | YOLOv8-P2 with bilinear upsampling for uav small objects | |
| dc.title.alternative | YOLOv8-P2 с билинейной передискретизацией для малых объектов БПЛА / Yuhang Gao; А. М. Недзьведь | |
| dc.type | conference paper | |
| dc.description.alternative | Для решения этой проблемы мы предлагаем лёгкие расширения фреймворка YOLOv8n, направленные на повышение точности обнаружения мелких объектов на снимках с БПЛА. Наш подход включает в себя использование детекторной головки P2 для улучшения представления неглубоких признаков, замену передискретизации по ближайшим соседям на билинейную интерполяцию для более сглаженных карт признаков и интеграцию лёгкого модуля Transformer для улучшения моделирования глобального контекста. Кроме того, мы применяем стратегии аугментации данных, ориентированные на мелкие объекты, включая Mosaic и Copy-Paste | |
| Располагается в коллекциях: | 2025. Информационные системы и технологии | |
Полный текст документа:
| Файл | Описание | Размер | Формат | |
|---|---|---|---|---|
| 331-337.pdf | 469,53 kB | Adobe PDF | Открыть |
Все документы в Электронной библиотеке защищены авторским правом, все права сохранены.