Методи глибокого навчання для виявлення цілей з БПЛА - id-6409-382

Оскільки робота по технічній галузі - потрібно виконати також і саму програму.

UPD 1
Потрібно написати статтю, основа якої це опис програми та як вона працює, додати скріни експериментів з якимись основними метриками валідації роботи, такі як F1, re-call, precision та інші, і порівняти з двома існуючими рішеннями за останні 2 роки.
Щонайменше по одній з метрик рішення розробленої програми було краще і відобразити це в таблиці, типу така метрика, такий то метод їхній він показує 85%, а у нас показує 85.5% і цього буде достатньо на поточному етапі.

Вимоги до програми: має використовуватись і програмування і штучний інтелект для аналізу вхідних даних з БПЛА.
На вхід програма має приймати фото та/або відео і далі має бути реалізований каскадний підхід, тобто застосовано кілька різних нейромереж, різна архітектура, які найкраще будуть визначати ті чи інші ознаки.
Приклад каскадного підходу, який потрібен:
на першому рівні має бути розбивка типу на ціль людина і військова техніка. На наступному рівні інша нейромережа розбиває клас військова техніка на, наприклад, танки, БМП і решта. На третьому рівні третя нейромережа розбиває клас з рештою, наприклад, на вантажні автомобілі, РСЗО і решта.

Вимоги до оформлення тексту статті стандартні.
Наразі система перевірки на плагіат невідома, будемо орієнтуватись на стандартну систему перевірки та унікальність 85-90%.
Вимоги до списку літератури: використовувати джерела за останні 2-3 роки не старше, чим свіжіше тим краще.
Обсяг роботи 20 сторінок.

UPD 08.01.2025
Уточнення від клієнта для програми потрібно використовувати мову phyton.