РОЗПІЗНАВАННЯ ТА КЛАСИФІКАЦІЯ ВІЙСЬКОВОЇ ТЕХНІКИ НА ЗОБРАЖЕННЯХ
RECOGNITION AND CLASSIFICATION OF MILITARY EQUIPMENT IN IMAGES
Сторінки: 367-372 . Номер: №6, 2023 (329) 
Автори:
Хавалко ВІКТОР.
Національний університет “Львівська політехніка”
ORCID ID: 0000-0002-9585-3078
e-mail: Viktor.M.Khavalko@lpnu.ua
КАЛАПУНЬ НАЗАР
Національний університет “Львівська політехніка”
ORCID ID: 0000-0001-5675-1776
e-mail: nazar.kalapun.knm.2019@lpnu.ua
Khavalko Viktor, Kalapun Nazar
Lviv Polytechnic National University
DOI: https://www.doi.org/10.31891/2307-5732-2023-329-6-367-372
Анотація мовою оригіналу
У статті розглянуто задачу розпізнавання та класифікації військової техніки на зображеннях. Завдяки швидкому розвитку комп’ютерних технологій і штучного інтелекту, автоматизовані методи розпізнавання стають все більш потужними та ефективними. Досліджено та проаналізовано різні підходи до розпізнавання, включаючи традиційні методи комп’ютерного зору та новітні підходи, що базуються на глибокому навчанні та штучному інтелекті. Сформульовано потенційні переваги та можливості застосування автоматизованих систем розпізнавання військової техніки. Ця стаття має на меті показати важливість розпізнавання та класифікації військової техніки на зображеннях і його потенційний вплив на військові операції та національну безпеку.
Саме тому актуальність вивчення різних аспектів алгоритмів сегментації, аналіз та порівняння різних типів медичних зображень, проведення експериментів над ними, порівняння застосування різних методів та їх налаштування є безсумнівним. Для експериментів та аналізу в статті запропоновано створити систему для імітації процесу, яка регулюватиметься користувачем. Результати дозволили сформувати рекомендації щодо умов конкретного застосування методів.
Ключові слова: комп’ютерний зір, згорткова нейронна мережа, розпізнавання об’єктів на зображеннях, класифікація об’єктів, аналіз зображень.
Розширена анотація англійською мовою
The recognition and classification of military equipment in images is a crucial task with significant implications in the field of military research, security, and defense. With the rapid advancement of computer technologies and artificial intelligence, automated recognition methods are becoming increasingly powerful and efficient.
In this article, various approaches to the recognition and classification of military equipment are explored, including traditional computer vision methods and state-of-the-art approaches based on deep learning and artificial intelligence. The challenges faced by researchers and developers in this field are also examined, along with the potential benefits and applications of automated recognition systems for military equipment.
The findings suggest that the use of automated recognition systems can greatly enhance the speed and accuracy of identifying military equipment. While traditional methods such as feature-based detection and template matching remain valuable, modern approaches leveraging deep learning algorithms and classification techniques achieve even higher levels of precision and reliability. By leveraging neural networks and classification algorithms, it becomes possible to automatically determine the type, class, and condition of military equipment with high accuracy.
The development of automated recognition and classification systems for military equipment in images holds significant potential for military forces. Real-time identification and classification of enemy equipment can provide strategic advantages in planning and decision-making. Additionally, these systems can be utilized for image analysis from various sources, including video surveillance, drones, and satellites, improving reconnaissance and object monitoring capabilities.
Overall, further advancements in recognition and classification methods for military equipment in images will contribute to enhancing security and the effectiveness of military operations. The application of artificial intelligence, machine learning, and deep learning in this field opens up new possibilities for creating automated systems capable of rapidly and accurately recognizing and classifying military equipment in images.
Keywords: computer vision, convolutional neural network, object recognition in images, object classification, image analysis.
