Інтелектуальна система розпізнавання типу та геолокації військової техніки за допомогою технологій машинного навчання

DOI: 10.31673/2409-7292.2024.020004

Анотація

Розробка інтелектуальних систем для військових потреб є ключовим фактором переваги технічного оснащення сил оборони України над ворогом. Сучасне технічне забезпечення має бути швидким у видачі результату, точним, портативним, малогабаритним та працюючим в офлайн режимі. Тому розробка інтелектуальних систем здатних розпізнавати зображення та ефективно виявляти місцезнаходження військової техніки, дозволить підвищити точність та швидкість розвідувальних операцій, знижуючи ризики для розвідки та підвищуючи загальний рівень безпеки. Завдання виявлення об’єктів полягає в тому, щоб автоматично ідентифікувати та знайти об’єкт, який потрібно виявити, на зображенні чи відео. Традиційні методи виявлення об’єктів переважно використовують створені вручну функції для навчання класифікаторів. Проте в останні роки, з розвитком згорткових нейронних мереж поступово привертають увагу методи виявлення об’єктів, засновані на глибокому навчанні. У даному дослідженні проведено аналіз та порівняльне дослідження ефективності використання технологій машинного навчання та згорткових нейронних мереж для ідентифікації об’єктів військової техніки за фото, відео. Основна увага дослідження зосереджена на забезпеченні ключових параметрів, таких як точність визначення, швидкість обробки запитів та загальна надійність системи. Розроблено інтелектуальну систему на основі технологій машинного навчання з використанням технології CoreML та мови програмування Swift, що призначена для визначення типу та геолокації військової техніки. Ця система інтегрується в мобільний за стосунок та може використовуватися без засобів інтернет зв’язку. Дослідження спрямоване на вирішення практичних проблем у підвищенні точності систем виявлення військової техніки противника.

Ключові слова: інтелектуальна система, машинне навчання, ідентифікація об’єкту, точність розпізнавання.

Перелік посилань
1. Viola, P., Jones, M. J., Snow, D. Detecting pedestrians using patterns of motion and appearance // Int. J. Comput. Vis., vol. 63, no. 2, 2005, pp. 153-161.
2. Dalal, N., Triggs, B. Histograms of oriented gradients for human detection // IEEE Comput. Soc. Conf. Comput. Vis. Pattern Recognit., vol. 1, no. 1, 2005, pp. 886-893.
3. Simonyan, K., Zisserman, A. Very deep convolutional networks for large-scale image recognition // arXiv, 20141409,1556.
4. Walk, S., Majer, N., Schindler, K., Schiele, B. New features and insights for pedestrian detection // IEEE Comput. Soc. Conf. Comput. Vis. Pattern Recognit., 2010, pp. 1030-1037.
5. Krizhevsky, A., Sutskever, I., Hinton, G. E. ImageNet classification with deep convolutional neural networks // Commun. ACM, vol. 60, no. 2, 2012, pp. 84-90.
6. Bayhan, E., Ozkan, Z., Namdar, M. and Basgumus, A. Deep Learning Based Object Detection and Recognition of Unmanned Aerial Vehicles // 2021 3rd International Congress on Human-Computer Interaction, Optimization and Robotic Applications (HORA), Ankara, Turkey, 2021, pp. 1-5. doi: 10.1109/HORA52670.2021.9461279.
7. Ouyang, Y., Wang, X., Hu, R., Xu, H. and Shao, F. Military Vehicle Object Detection Based on Hierarchical Feature Representation and Refined Localization // IEEE Access, 2022, vol. 10, pp. 99897-99908. doi: 10.1109/ACCESS.2022.3207153.
8. Потурай, М. В., Коляда, К. В. Розпізнавання техніки в реальному часі на відеоматеріалах, що зняті БПЛА // Прикладна математика та комп’ютинг ПМК' 2022. П'ятнадцята конференція магістрантів та аспірантів Київ, 16-18 листопада 2022 р. : збірник тез доповідей. - Київ : КПІ ім. Ігоря Сікорського, 2022. С. 329-333.Режим доступу: https://ela.kpi.ua/items/944f65cc-ec1d-4fb3-a649-c3e6510fc7b0.
9. Kutlu, Ö., Demir, Ö., and Doğan, B. Analysis Of Images Obtained By Unmanned Aerial Vehicle By Deep Learning Methods // 2019 1st International Informatics and Software Engineering Conference (UBMYK), Ankara, Turkey, 2019, pp. 1-4. doi: 10.1109/UBMYK48245.2019.8965587.
10. Almusawi, M., Yadav, S. G. S., Rahim, A., Aluvala, S., and Ramachandra, A. C. Military Vehicle Object Detection Based on Feature Representation and Refined Localization Using Inception Recurrent Convolutional Neural Network // 2024 International Conference on Distributed Computing and Optimization Techniques (ICDCOT), Bengaluru, India, 2024, pp. 1-5. doi: 10.1109/ICDCOT61034.2024.10515888.