ИДЕНТИФИКАЦИЯ И ОТСЛЕЖИВАНИЕ ЦЕЛЕЙ В СЛОЖНЫХ УСЛОВИЯХ

Это исследование направлено на разработку передовых методов идентификации и классификации объектов в сложных условиях. За последние два года наблюдается рост использования передовых технологий в различных сложных средах. Это исследование сосредоточено на точном выявлении целей и их отслеживании. В исследовании рассматриваются проблемы, связанные с обнаружением объектов в многомерных и сложных условиях, с учетом природных условий, таких как дождь и туман, а также технических ограничений, таких как возможности камеры. Особое внимание уделяется сбору данных для обучения модели идентификации, за которым следует тщательная предварительная обработка данных, включая очистку, маркировку и дополнение. В исследовании используются алгоритмы машинного обучения YOLO и Deep Sport, направленные на повышение точности и надежности распознавания целей и увеличение скорости обработки данных для минимизации рисков ошибочной идентификации. Основой нашей методологии является интеграция YOLO, известной своим быстрым обнаружением объектов в режиме реального времени, с Deep Sport, которая отличается детальным выделением признаков и классификацией. Это слияние представляет собой сложную комбинацию сильных сторон обеих моделей: YOLO быстро определяет нужные объекты, а Deep Sport проводит углубленный анализ. Экспериментальная фаза включает в себя всестороннее тестирование моделей в различных погодных условиях и настройках для оценки производительности в сложных условиях. Эта работа направлена на совершенствование методов идентификации объектов в сложных условиях, что является критически важным аспектом для эффективности различных сложных операций. Ожидается, что полученные результаты внесут значительный вклад в работу на местах, поскольку позволят быстрее и точнее определять цели.