Порівняльний аналіз моделей YOLOv8–YOLOv11для виявлення об’єктів на зображеннях дистанційного зондування
Ключові слова:
YOLOv11, дистанційне зондування, розпізнавання об’єктів, нейронні мережі, комп’ютерний зір, супутникові знімкиАнотація
У статті досліджено ефективність новітньої архітектури YOLOv11 у задачі виявлення та розпізнавання об’єктів на зображеннях дистанційного зондування Землі (ДЗЗ). Проведено порівняльний аналіз точності, швидкодії та стабільності моделей YOLOv8, YOLOv10 та YOLOv11 на наборах даних DOTA і xView. Результати доводять, що YOLOv11 забезпечує кращий баланс між швидкістю та точністю, що робить її перспективною для моніторингу територій і геоаналітики в реальному часі.
Посилання
Hussain M. YOLOv5, YOLOv8 and YOLOv10: The Go-To Detectors for Real-Time Vision. URL: https://arxiv.org/abs/2407.02988 (дата звернення: 24.10.2025).
Wang C.-Y., Bochkovskiy A., Liao H.-Y. M. YOLOv10: Real-Time End-to-End Object Detection. URL: https://arxiv.org/abs/2405.14458 (дата звернення: 24.10.2025).
RSI-YOLO: Object Detection Method for Remote Sensing Images Based on Improved YOLO / Z. Li, J. Yuan, G. Li, H. Wang, X. Li, D. Li, X. Wang. Sensors. 2023. Vol. 23, № 14, 6414. DOI: 10.3390/s23146414.
DOTA: A Large-Scale Dataset for Object Detection in Aerial Images / G.-S. Xia, X. Bai, J. Ding, Z. Zhu, Y. Wang et al. URL: https://captain-whu.github.io/DOTA/dataset.html (дата звернення: 24.10.2025).
Xie T., Han W., Xu S. YOLO-RS: A More Accurate and Faster Object Detection Method for Remote Sensing Images. Remote Sensing. 2023. Vol. 15, № 15, 3863. DOI: 10.3390/rs15153863.
