Формирование обучающих и контрольных наборов синтезированных изображений, результаты обучения нейронной сети YOLO
Авторы
1*, 2, 21. «Технологический парк космонавтики «ЛИНКОС», Москва, Щербинка, Россия
2. Государственный научно-исследовательский институт авиационных систем, Москва, Россия
*e-mail: a_krasnov@inbox.ru
Аннотация
Формирование обучающих и контрольных наборов изображений включает следующие этапы: подготовку исходных данных; энергетический расчёт и синтез исходных изображений объектов и фона; синтез изображений фоноцелевой обстановки. Подготовка исходных данных подразумевает: определение данных об объектах наблюдения и подстилающей поверхности (фоне); определение данных о состоянии атмосферы (внешних условиях); задание и расчёт характеристик оптико-электронной системы; задание фоноцелевой обстановки и внешних условий.
В свою очередь, результатом задания фоноцелевой обстановки и внешних условий являются исходные данные, необходимые для выполнения энергетического расчета:
- постоянные исходные данные, значения которых при энергетическом расчёте не изменяются;
- переменные исходные данные, значения которых изменяются при проведении энергетического расчёта.
Конкретный перечень исходных данных определяется специальным программным обеспечением, предназначенным для проведения энергетического расчёта, условиями проведения съёмки объектов, а также расположением объекта относительно оптико-электронной системы, характеристики которой будут учитываться при синтезе изображений.
Для проведения энергетического расчёта использовалась программа MODTRAN, предназначенная для расчёта коэффициента пропускания атмосферы и энергетической яркости в оптическом диапазоне с использованием нескольких моделей атмосферы.
Целью данной работы является обоснование и формирование исходных данных, значения которых изменяются при проведении энергетического расчёта посредством программы MODTRAN; синтез изображения и обучение нейронной сети YOLO; анализ полученных результатов обучения. К исходным данным относятся модель атмосферы, температура фона и объекта, дальность объекта, положение внеземного источника излучения, метеорологическая дальность видимости и модель аэрозоля. Это минимальный набор переменных исходных данных, он может изменяться в зависимости от учёта внешних условий в поставленной задаче синтеза изображений.
Ключевые слова:
обучение и контроль обучения нейронной сети; модель компьютерного зрения; YOLO; энергетический расчёт; MODTRANСписок источников
- Краснов А.М., Шашков С.Н., Румянцев А.В. Методика синтеза фоноцелевых изображений с учетом характеристик тепловизионной оптико-электронной системы // Труды МАИ : электрон. журн. 2025. № 144. URL: https://trudymai.ru/published.php?ID=186316.
- Краснов А.М., Шашков С.Н., Румянцев А.В. Cинтез изображений с использованием частотно-контрастной характеристики тепловизионной оптико-электронной системы с целью оценки разрешающей способности // Труды МАИ : электрон. журн. 2026. №146. URL: https://trudymai.ru/published.php?ID=187455.
- MODTRAN4 version 3 revision 1 user’s manual: technical report / A. Berk, G.P. Anderson, P.K. Acharya, M.L. Hoke, J.H. Chetwynd, L.S. Bernstein, E.P. Shettle, M.W. Matthew, S.M. Adler-Golden / Air Force Research Laboratory: Hanscom Air Force Base, MA, USA, 2003.
- Ientilucci E.J. Using MODTRAN predicting sensor-reaching radiance / Chester F. Carlson Center for Imaging Science. Rochester Institute of Technology, 2007.
- Introduction to infrared and electro-optical systems / R.G. Driggers, M.H. Friedman, J.W. Devitt, O. Furxhi, A. Singh. Third edition. Artech House, 2022.
- Modtran4 radiative transfer modeling for atmospheric correction / A. Berk, G.P. Anderson, L.S. Bernstein, P.K. Acharya, H. Dothe, M.W. Matthew, S.M. Adler-Golden, J.H. Chetwynd Jr. , S.C. Richtsmeier, B. Pukall, C.L. Allred, L.S. Jeong, M.L. Hoke // SPIE Proceeding, Optical Spectroscopic Techniques and Instrumentation for Atmospheric and Space Research III. 1999. Vol. 3756. Art. 348. (Proceedings of SPIE – The International Society for Optical Engineering).
- Holst G.C. Electro-optical imaging system performance. Sixth edition. JCD Publishing and SPIE Press, 2017.
- Atmospheric correction module: QUAC and FLAASH user’s guide. ITT Visual Information Solutions, 2009.
- Краснов А.М., Шашков С.Н., Румянцев А.В. Методика оценки влияния температурного контраста на вероятность обнаружения объекта по результатам лабораторных испытаний тепловизионной̆ оптико-электронной системы // Труды МАИ : электрон. журн. 2025. № 145. URL: https://trudymai.ru/publications.php?ID=186886.
- Погода и климат: сайт. URL: https://www.pogodaiklimat.ru.
- Зуев В.Е., Банах В.А., Покасов В.В. Современные проблемы атмосферной оптики. Оптика турбулентной атмосферы. В 9. т. Т. 5. Ленинград: Гидрометеоиздат, 1988. 269 с.
- Оценка эффективности оптико-электронных систем посредством аналитической модели. Функции порогового контраста и передачи модуляции / А.М. Краснов, С.Ю. Трегубенков, А.В. Румянцев, Р.Ф. Хисматов, С.Н. Шашков // Информационно-измерительные и управляющие системы. 2021. Т. 19, № 1. С. 45–64. DOI 10.18127/j20700814-202101-04.
- Методика оценки эффективности оптико-электронных систем посредством аналитической модели. Модель шума системы «ОЭС-оператор» / А.М. Краснов, С.Ю. Трегубенков, А.В. Румянцев, Р.Ф. Хисматов, С.Н. Шашков // Труды МАИ : электрон. журн. 2022. № 122. DOI 10.34759/trd-2022-122-22.
- Suncalc.org: website. URL: https://www.suncalc.org.
- Mooncalc.org: website. URL: https://www.mooncalc.org.
- Гаврилов В.А. Видимость в атмосфере. Ленинград: Гидрометеорологическое издательство, 1966. 324 c.
- Shettle E.P., Fenn R.W. Models for the aerosols of the lower atmosphere and the effects of humidity variations on their optical properties. Air Force Geophysics Laboratory. Massachusetts, 1979.
- Ultralytics: website. URL: https://ultralytics.com.
- Driggers R.G., Friedman M.H., Nichols J. Introduction to infrared and electro-optical systems. Second edition. Boston; London: Artech House, 2012.
- Holst G.C. Electro-optical imaging system performance. Fifth edition. JCD Publishing and SPIE Press, 2008.
Скачать статью