20.06.2025; Чернігів, Україна: IV Міжнародна наукова конференція «Технології та суспільство: взаємодія, вплив, трансформація»
Роботи, що індексуються в Google Scholar

ПОРІВНЯЛЬНИЙ АНАЛІЗ ОДНОЕТАПНИХ ТА ДВОЕТАПНИХ МОДЕЛЕЙ КОМП’ЮТЕРНОГО ЗОРУ ДЛЯ АВТОМАТИЗОВАНОГО ОБЛІКУ ВОДНИХ БІОРЕСУРСІВ

  • Олег Служала,
  • Олександр Овсяк
DOI: https://doi.org/10.62731/mcnd-20.06.2025.008
PDF

Опубліковано 20.06.2025

Як цитувати

Служала, О., & Овсяк, О. (2025). ПОРІВНЯЛЬНИЙ АНАЛІЗ ОДНОЕТАПНИХ ТА ДВОЕТАПНИХ МОДЕЛЕЙ КОМП’ЮТЕРНОГО ЗОРУ ДЛЯ АВТОМАТИЗОВАНОГО ОБЛІКУ ВОДНИХ БІОРЕСУРСІВ. Матеріали конференцій МЦНД, (20.06.2025; Чернігів, Україна), 236–245. https://doi.org/10.62731/mcnd-20.06.2025.008

Завантаження

Дані завантаження ще не доступні.

Авторське право (c) 2025 Олег Служала; Олександр Овсяк (Науковий керівник)

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution-ShareAlike 4.0 International License.

Google Scholar

Анотація

Сучасне управління водними біоресурсами вимагає високоточної, адаптивної та масштабованої аналітики, що здатна виявляти закономірності в гетерогенних наборах екологічних, біологічних та ринкових даних. Інтелектуальні обчислення - це сукупність методів штучного інтелекту, машинного навчання, обробки великих даних та візуалізації, яка дозволяє ефективно аналізувати великі обсяги інформації, що надходить з екологічних сенсорів, супутників, риболовних звітів і наукових спостережень.

PDF

Посилання

  1. 1. Redmon, J., & Farhadi, A. (2018). YOLOv3: An Incremental Improvement. arXiv preprint arXiv:1804.02767.
  2. 2. Bochkovskiy, A., Wang, C.-Y., & Liao, H.-Y. M. (2020). YOLOv4: Optimal Speed and Accuracy of Object Detection. arXiv preprint arXiv:2004.10934.
  3. 3. Lin, T.-Y., Goyal, P., Girshick, R., He, K., & Dollár, P. (2017). Focal Loss for Dense Object Detection. In Proceedings of the IEEE international conference on computer vision (pp. 2980–2988).
  4. 4. Ren, S., He, K., Girshick, R., & Sun, J. (2015). Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks. In Advances in Neural Information Processing Systems, 28.
  5. 5. Bradski, G. (2000). The OpenCV Library. Dr. Dobb’s Journal of Software Tools.
  6. 6. Zhang, C., & Ma, Y. (2012). Ensemble Machine Learning: Methods and Applications. Springer.
  7. 7. Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press.
  8. 8. Liu, W., Anguelov, D., Erhan, D., Szegedy, C., Reed, S., Fu, C.-Y., & Berg, A. C. (2016). SSD: Single Shot MultiBox Detector. In European conference on computer vision (pp. 21–37). Springer.