Дослідження та оптимізація методів детекції об’єктів на зображеннях

Скорочена інформація про документ
dc.contributor.authorПодоляк, Б. Ю.
dc.date.accessioned2026-03-17T09:13:33Z
dc.date.available2026-03-17T09:13:33Z
dc.date.issued2025
dc.description.abstractСтаття присвячена дослідженню та оптимізації сучасних методів детекції об’єктів на зображеннях із використанням глибокого навчання. Основну увагу зосереджено на порівнянні трьох популярних підходів: YOLO (You Only Look Once), Faster R-CNN (Region-based Convolutional Neural Network) та DETR (DEtection TRansformer). Метою дослідження є оцінка точності, швидкодії та ефективності зазначених методів у різних умовах та на різних датасетах. Результати роботи можуть бути застосовані для вибору оптимального методу в залежності від завдань комп’ютерного зору, таких як відеоспостереження, автономне керування, медична візуалізація тощо.uk
dc.description.abstractotherThe article focuses on the study and optimization of modern object detection methods in images using deep learning. It primarily compares three prominent approaches: YOLO (You Only Look Once), Faster R-CNN (Region-based Convolutional Neural Network), and DETR (DEtection TRansformer). The aim is to evaluate the accuracy, performance, and efficiency of these methods under various conditions and on different datasets. The results may guide the selection of the most suitable approach for real-world applications in computer vision, such as surveillance, autonomous driving, and medical imaging.en_US
dc.format.pages107-111
dc.identifier.citationПодоляк, Б. Ю. (2025). Дослідження та оптимізація методів детекції об’єктів на зображеннях. У А. В. Селіванова (Ред.), Прикладні комп’ютерні технології (с. 107–111). Державний торговельно-економічний університет.
dc.identifier.urihttps://ur.knute.edu.ua/handle/123456789/14279
dc.language.isouk
dc.publisherДержавний торговельно-економічний університет
dc.rightsAttribution 4.0 Internationalen
dc.rights.urihttp://creativecommons.org/licenses/by/4.0/
dc.titleДослідження та оптимізація методів детекції об’єктів на зображенняхuk
dc.typeArticle

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
29.pdf
Розмір:
501.73 KB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
147 B
Формат:
Item-specific license agreed to upon submission
Опис:
Завантажити

Зібрання

ПРИКЛАДНІ КОМП’ЮТЕРНІ ТЕХНОЛОГІЇ