Дослідження ефективності нейромережевих архітектур для класифікації залишків зруйнованих будівель

Скорочена інформація про документ
dc.contributor.authorКадинська, В.Д.
dc.contributor.authorМолчанова, М.О.
dc.date.accessioned2025-12-05T14:39:52Z
dc.date.available2025-12-05T14:39:52Z
dc.date.issued2025
dc.description.abstractДосліджено ефективність нейромережевих методів класифікації залишків зруйнованих будівель, що дозволяють автоматизувати аналіз структурних фрагментів об’єктів за їхніми візуальними характеристиками. Експериментальна частина базується на порівнянні продуктивності двох альтернативних архітектур згорткової MobileNetV3-Large та трансформерної Vision Transformer, навчених на збалансованому наборі зображень фрагментів будівельних матеріалів. Результати показали, що обидві архітектури демонструють доволі високу точність класифікації, проте ViT перевищує MobileNetV3 за метрикою точності (accuracy 0.967) і забезпечує кращу стійкість до неоднорідних текстур та освітлювальних умов. Досліджуваний підхід дає змогу ефективно розпізнавати типи матеріалів у складних сценах руйнування, що підтверджує доцільність використання трансформерних архітектур у системах комп’ютерного зору для моніторингу стану інфраструктури та підтримки процесів відновлення.
dc.identifier.citationКадинська В.Д., Молчанова М.О. Дослідження ефективності нейромережевих архітектур для класифікації залишків зруйнованих будівель. Інформаційні технології і автоматизація : матеріали XVIII міжнар. наук.-практ. конф., 30-31 жовтня 2025 р. Одеса : ОНТУ, 2025. С. 950-952.
dc.identifier.urihttps://elar.khmnu.edu.ua/handle/123456789/19904
dc.language.isouk
dc.publisherОдеський національний технологічний університет
dc.titleДослідження ефективності нейромережевих архітектур для класифікації залишків зруйнованих будівель
dc.typeСтаття
Файли
Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Збірник_тез_конференції_ІТІА_–_2025-950-952.pdf
Розмір:
741.2 KB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Назва:
license.txt
Розмір:
4.26 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити
Зібрання
Кафедра комп’ютерних наук