НЕЙРОННЫЕ СЕТИ, YOLO, ИССКУСТВЕННЫЙ ИНТЕЛЛЕКТ : реферат дипломной работы / Емельянович С. Д., БГУ, физический факультет, кафедра ядерной физики, руководитель Чернявская Э.А.

Read full text Summarise with VIRAT
Authors: С.Д. Емельянович
Cited by: 0

Summary

No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.

Summarise with VIRAT Free to try with your Science Catalogs account.

Abstract

Объектом исследования являются модели сверточных сетей для задачи классификации, их сравнительный анализ. Создание наборов данных для обучения, с учетом ключевых проблем и особенностей. Цель дипломной работы ‒ использование нейросетевой архитектуры YOLO11 глубокого обучения для задач классификации изображений. Метод исследования – сравнительный анализ, теоретическое исследование. Представлена информация о современных методах и алгоритмах детектирования; представлены основные метрики обучения моделей; рассмотрены результаты научных работ основанных на изучении YOLO11; были рассмотрены архитектуры современных моделей детектирования; рассмотрен основной алгоритм создания набора данных; сделан обзор методов по расширению и улучшению наборов данных. Полученные результаты позволили сделать вывод о том YOLOv11, является эффективной моделью для задач классификации изображений и детектирования объектов благодаря своей скорости и точности. Результаты, полученные в дипломной работе, могут быть использованы для дальнейшего анализа современных методов детектирования.

Fields of Study & Subjects

Advanced Neural Network Applications Domain Adaptation and Few-Shot Learning Computer Science and Engineering

Publication details

Journal / source
Digital Library of the Belarusian State University (Belarusian State University)
Publication date
1 January 2026
Language
RU