Research indexJournal article
Розроблення адаптивної функції втрат для покращення детекції малорозмірних безпілотних літальних апаратів
Скаліш, Процик
Scientific Bulletin of UNFU24 Sep 2026Open access
Розроблення адаптивної функції втрат для покращення детекції малорозмірних безпілотних літальних апаратів
Скаліш, Процик · Scientific Bulletin of UNFU · 2026
Abstract
Виявлення малорозмірних безпілотних літальних апаратів (БПЛА) за реальних умов спостереження залишається актуальною проблемою систем автоматичного моніторингу повітряного простору. Досліджено вплив зміни функції втрат на якість виявлення малорозмірних об'єктів одностадійними детекторами сімейства моделей YOLO (англ. You Only Look Once – ти дивишся тільки раз). Встановлено, що стандартна функція втрат не розрізняє об'єкти за масштабом, унаслідок чого великі та малі цілі роблять порівнянний внесок у сумарний loss, а оптимізація моделі природно зміщується в бік більших об'єктів і простіших для локалізації цілей. Запропоновано адаптивну функцію втрат, у якій ваговий коефіцієнт кожного анкера визначається обернено пропорційно до площі bounding box відповідного об'єкта. Розроблено механізм boost-only-модифікації target_scores (цільові бали) в алгоритмі TaskAlignedAssigner, який підсилює градієнтний сигнал від малих цілей без пригнічення процесу виявлення великих об'єктів. Запропонований метод адаптивної функції втрат інтегровано в реалізації детекторів YOLOv8s та YOLOv11s у середовищі PyTorch й апробовано на спеціалізованому наборі даних виявлення БПЛА, що містить 17 697 анотованих зображень із 12 246 об'єктами, розподілених за чотирма розмірними категоріями. Оцінено приріст метрик Precision, Recall, F1, mAP@0,5 та mAP@0,5:0.95 щодо базової конфігурації моделей. Виявлено, що запропонована функція втрат стабільно покращує повноту виявлення (Recall) та F1-міру для обох досліджуваних архітектур детекторів об'єктів у всіх розмірних групах, з найвиразнішим ефектом на дуже малих і малих цілях. Загальні інтегральні метрики (mAP@0,5 та mAP@0,5:0,95) також зростають, тоді як якість виявлення великих об'єктів зберігається на рівні базової моделі. Охарактеризовано закономірності впливу адаптивного вагового коефіцієнта анкера на якість виявлення об'єктів різних масштабів. Принципово, що великі об'єкти не постраждали – Recall для них збережено на рівні базової моделі. Встановлено, що запропонований підхід до модифікації функції втрат не збільшує кількість параметрів моделі та не впливає на швидкодію інференсу. Перспективою подальших етапів дослідження є комбінування адаптивної функції втрат з модифікованою функцією втрат Focal Loss та метрикою оцінювання якості локалізації GIoU (англ. Generalized Intersection over Union), а також адаптація підходу до багатокласових сценаріїв і edge-розгортання.