Исследуются модели YOLOv8 для детекции препятствий на лесных дорогах. Проведено сравнение версий YOLOv8 (n, s, m, l) по точности и скорости обработки. YOLOv8m.pt показала наилучший баланс (mAP50 = 0.964, mAP50-95 = 0.763) при скорости ~34.8 мс. Тестирование подтвердило работоспособность модели, но требует расширения выборки. В перспективе — дообучение на новых данных, тестирование YOLOv9 и YOLOv10, а также исследование оптимизации гиперпараметров и функций потерь для повышения устойчивости и интерпретируемости решений.

Сухов А.С. (науч. рук. Хитров Е.Г.) Использование инструментов компьютерного зрения для детекции препятствий на грунтовых лесных дорогах // Сборник тезисов докладов конгресса молодых ученых. Электронное издание. – СПб: Университет ИТМО, [2025]. URL: https://kmu.itmo.ru/digests/article/14333