INTELIGENTNY SYSTEM ¿LEDZENIA WIE¿YCZKI W CZASIE RZECZYWISTYM Z WYKORZYSTANIEM LEKKICH SIECI CNN

Niniejsza praca bada projektowanie, rozwój i ocen¿ inteligentnego systemu ¿ledzenia wie¿yczki w czasie rzeczywistym, który wykorzystuje lekkie modele g¿¿bokiego uczenia do zautomatyzowanego nadzoru obronnego. Wyjänia, w jaki sposób nowoczesne ¿rodowiska walki wymagaj¿ szybszych i dok¿adniejszych systemów wykrywania zagro¿e¿, które mog¿ dziää przy minimalnej interwencji cz¿owieka. Praca koncentruje si¿ na zastosowaniu wydajnych technik wizji komputerowej, w szczególno¿ci splotowych sieci neuronowych opartych na YOLO, do wykrywania i ¿ledzenia wielu celów, takich jak drony, pojazdy i personel w dynamicznych scenach. Szczególn¿ uwag¿ po¿wi¿cono wdräaniu tych modeli na energooszcz¿dnych platformach brzegowych (edge), rozwi¿zuj¿c wyzwania zwi¿zane z opó¿nieniami, ograniczeniami obliczeniowymi i niezawodno¿ci¿. Ksi¿¿ka omawia równie¿ tworzenie i wykorzystywanie syntetycznych ¿rodowisk symulacyjnych do trenowania i walidacji modeli w sytuacjach, gdy rzeczywiste dane wojskowe s¿ ograniczone. Poprzez analiz¿ eksperymentaln¿ i ocen¿ wydajno¿ci wykazano, jak optymalizacja modelu, augmentacja danych i skalowanie rozdzielczo¿ci poprawiaj¿ dok¿adno¿¿ wykrywania przy zachowaniu pracy w czasie rzeczywistym. Ogólnie rzecz bior¿c, proponowana praca stanowi praktyczny i techniczny przewodnik po budowie systemów nadzoru sterowanych przez AI.