Key points are not available for this paper at this time.
이 연구는 YOLOv11 모델을 적용하여 고해상도 원격 감지 이미지에서 지상 물체 대상을 학습하고 탐지하는 것을 목표로 하며, 탐지 정확도와 효율성을 높이는 잠재력을 평가하고자 합니다. 이 모델은 20개 대상 카테고리에서 70,389개의 샘플로 학습되었습니다. 496회의 학습 에포크 이후 손실 함수(BoxLoss, ClsLoss, DFLLoss)는 빠른 수렴을 보이며 대상의 위치 지정, 분류 및 세부 조정에서 효과적인 최적화를 나타냈습니다. 평가 지표에서 정밀도 0.8861, 재현율 0.8563, map50 0.8920, map50-95 0.8646, F1 점수 0.8709이 도출되어 복잡한 탐지 작업에서 모델의 높은 정확도와 강인성을 강조합니다. 또한, 테스트 샘플의 80%가 85%를 초과하는 신뢰도 점수를 달성하여 multiclass 및 multiobject 탐지 시나리오에서 YOLOv11의 신뢰성을 확인했습니다. 이러한 발견은 YOLOv11이 원격 감지 이미지 대상 탐지에 대한 상당한 잠재력을 가지고 있으며, 뛰어난 탐지 성능을 나타내고 지능형 원격 감지 이미지 분석을 위한 강력한 기술적 지원을 제공함을 보여줍니다. 향후 연구는 데이터셋 확장, 모델 아키텍처 개선 및 소형 대상 탐지 및 복잡한 장면 처리 성능 향상에 중점을 두어 환경 보호, 도시 계획 및 다중 객체 탐지에서의 광범위한 응용을 위한 길을 열 것입니다.
He 외 (수) 이 문제를 연구했습니다.