Применение модели YOLOv11 и адаптированного набора данных LaDD для поиска людей в малонаселённой местности

Настоящее исследование направленно на разработку нейросетевого метода обнаружения/детекции людей в малонаселённой местности по снимкам, полученным с беспилотного воздушного судна (БВС). В качестве нейросетевого детектора была использована модель архитектуры YOLOv11m. В рамках проведённого исследования был разработан и применён алгоритм адаптации обучающего набора данных LaDD. Проведены эксперименты по предварительному обучению модели на оригинальном и адаптированном наборе, в результате которых удалось доказать целесообразность использования адаптированного набора данных. Итоговая точность модели при обучении достигла значения в $98.7\%$ по $mAP^{50}$. Инференс модели показал точность детекции в $0.895$ ($89.5\%$) по $\mathrm{F1}$ и $0.901$ ($90.1\%)$ по $mAP^{50}$, что позволяет подтвердить работоспособность представленного метода.