Порівняння одноетапних та двоетапних моделей комп’ютерного зору для автоматизованого обліку водних біоресурсів

  • Олег Служала НЛТУ України, Львів, Україна
  • Олександр Овсяк НЛТУ України, Львів, Україна
Ключові слова: математична модель, розпізнавання об’єктів, OpenCV, YOLO

Анотація

Здійснено порівняння підходів візуального розпізнання. Було порівняно два основні підходи для аналізу зображення та виявлено їхні переваги та недоліки. Результати цього дослідження можуть бути використані при створенні інформаційних систем, орієнтованих на візуальний аналіз біоресурсів.

Посилання

[1] Wang, C.-Y., Bochkovskiy, A., & Liao, H.-Y. M. (2022). YOLOv7: Trainable Bag-of-Freebies and Coarse-to-Fine Training for Real-Time Object Detection. arXiv preprint arXiv:2207.02696.
[2] Ren, S., He, K., Girshick, R., & Sun, J. (2015). Faster R-CNN: Towards RealTime Object Detection with Region Proposal Networks. In Advances in Neural Information.
[3] Zhao, Z.-Q., Zheng, P., Xu, S.-T., & Wu, X. (2022). A Survey of Modern Deep Learning-Based Object Detection Algorithms. IEEE Access, 10, 798–820
[4] Kumar, A., & Singh, P. (2023). Performance Comparison of YOLOv5 and Faster R-CNN for Real-Time Object Detection. arXiv preprint arXiv:2305.08745.
[5] Zhou, F., & Zhang, L. (2022). Attention-Enhanced Faster R-CNN for Small Object Detection. Sensors, 22(11), 4056.
Опубліковано
2026-01-07
Як цитувати
Служала, О., & Овсяк, О. (2026). Порівняння одноетапних та двоетапних моделей комп’ютерного зору для автоматизованого обліку водних біоресурсів. Комп’ютерне моделювання та інформаційні технології. вилучено із https://conf.nltu.edu.ua/index.php/conf1/article/view/467
Розділ
ІНТЕЛЕКТУАЛЬНІ ІНФОРМАЦІЙНІ СИСТЕМИ

Статті цього автора (авторів), які найбільше читають