Федюченко, Михайло2025-03-182025-03-182024Федюченко М. І. Виявлення та класифікація малих повітряних об'єктів за допомогою інструментів глибинного навчання / Федюченко М. І. // Теоретичні та прикладні аспекти побудови програмних систем : працi 15 міжнародної науково-практичної конференції, Київ, 23-24 грудня 2024 р. / [за заг. ред.: М. М. Глибовця, Т. В. Панченка та iн. ; Факультет інформатики Національного університету "Києво-Могилянська академія" та ін.]. - Київ : НаУКМА, 2024. - C. 92-94.https://ekmair.ukma.edu.ua/handle/123456789/34003The proliferation of drones, fueled by decreasing costs and advancing computing power, haselevated recreational unmanned aerial vehicle use to a realm posing substantial challenges to infrastructure security and public order. Unmanned aerial vehicles extend their potential for misuse in illegal activities, spanning surveillance, information gathering, transportation of illicit items, and threats to both objects and individuals. Addressing the need for effective detection, the research leverages deep learning models integrated with optical, infrared, radiofrequency, acoustic, and radar sensor data. Preliminary results indicate that the combined approach significantly contributes to the accuracy and reliability of small aerial object detection systems. Deep learning models efficiently process and fuse the diverse dataset, mitigating environmental factors such as signal interference and highlighting the effectiveness of this approach compared to traditional detection technologiesМатеріали доповiді учасника 15 міжнародної науково-практичної конференції "Теоретичні та прикладні аспекти побудови програмних систем", Київ, 23-24 грудня 2024 р.ukбезпілотні літальні апаратиглибинне навчанняштучний інтелектматеріали конференціїunmanned aerial vehiclesdeep learningartificial intelligence (AI)Виявлення та класифікація малих повітряних об'єктів за допомогою інструментів глибинного навчанняDetection and classification of small aerial objects using deep learning toolsматеріали конференції