НЕЙРОННЫЕ СЕТИ, YOLO, ИССКУСТВЕННЫЙ ИНТЕЛЛЕКТ : реферат дипломной работы / Емельянович С. Д., БГУ, физический факультет, кафедра ядерной физики, руководитель Чернявская Э.А.

Abstract

Объектом исследования являются модели сверточных сетей для задачи классификации, их сравнительный анализ. Создание наборов данных для обучения, с учетом ключевых проблем и особенностей. Цель дипломной работы ‒ использование нейросетевой архитектуры YOLO11 глубокого обучения для задач классификации изображений. Метод исследования – сравнительный анализ, теоретическое исследование. Представлена информация о современных методах и алгоритмах детектирования; представлены основные метрики обучения моделей; рассмотрены результаты научных работ основанных на изучении YOLO11; были рассмотрены архитектуры современных моделей детектирования; рассмотрен основной алгоритм создания набора данных; сделан обзор методов по расширению и улучшению наборов данных. Полученные результаты позволили сделать вывод о том YOLOv11, является эффективной моделью для задач классификации изображений и детектирования объектов благодаря своей скорости и точности. Результаты, полученные в дипломной работе, могут быть использованы для дальнейшего анализа современных методов детектирования.