Исследование моделей сверточных нейронных сетей YOLOv5 и YOLOv8 при детектировании летающих объектов на изображениях

Abstract

Данная работа посвящена исследованию моделей сверточных нейронных сетей (СНС) YOLOv5s и YOLOv8s при объектном детектировании на изображениях летающих объектов (ЛО) в случае их малых размеров (площадь объекта не более 32х32 пикселя) и в случае ЛО на изображениях разных размеров (малые, средние и большие по площади). Созданы два датасета с изображениями ЛО трех классов: птицы, беспилотные летательные аппараты вертолетного и самолетного типов. Первый датасет сформирован по изображениям с ЛО только малых размеров, а второй - по изображениям объектов разных размеров. На каждом из датасетов проведено обучение моделей СНС YOLOv5s и YOLOv8s. Обе модели исследованы на тестовых выборках датасетов. Результаты исследований показали, что обе модели демонстрируют схожие показатели по точности детектирования по метрикам AP0,5 и mAP0,5 для всех классов объектов. Тем не менее, YOLOv8s демонстрирует небольшое преимущество в точности обнаружения объектов по сравнению с YOLOv5s, особенно в случае малых размеров объектов. Обе модели имеют высокие значения усредненной скорости вычислений, но модель YOLOv5s превосходит YOLOv8s по скорости вычислений как при детектировании ЛО малых размеров, так и объектов различных размеров