Программная реализация и анализ эффективности моделей сверточных нейронных сетей YOLO для решения задач классификации объектов на изображениях

Abstract

Работа посвящена программной реализации и исследованию компактных моделей сверточных нейронных сетей (СНС) класса YOLO для детектирования летающих объектов на изображениях и выбору в результате исследований эффективных моделей СНС для создания мобильных систем компьютерного зрения. Разработаны программы для создания датасета. На основе набора изображений с летающими объектами трех классов сформирован датасет. Он использован для обучения и исследования компактных моделей СНС: YOLOv4-Tiny, YOLOv5n, YOLOv7-Tiny и YOLO Nano. Исследования этих моделей СНС позволили оценить их эффективность.

The work is devoted to the software implementation and research of compact models of convolutional neural networks (CNN) of the YOLO class for detecting flying objects in images and, as a result of research, the choice of effective CNN models for creating mobile computer vision systems. Programs for creating a dataset have been developed. Based on a set of images with flying objects of three classes, a dataset was formed. It is used for training and research of compact CNN models: YOLOv4-Tiny, YOLOv5n, YOLOv7-Tiny and YOLO Nano. Studies of these CNN models have made it possible to evaluate their effectiveness.