| DC Field | Value | Language |
|---|
| dc.contributor.author | Левоненко, И. И. | - |
| dc.contributor.author | Робачевский, А. Д. | - |
| dc.coverage.spatial | Минск | en_US |
| dc.date.accessioned | 2026-05-19T06:50:14Z | - |
| dc.date.available | 2026-05-19T06:50:14Z | - |
| dc.date.issued | 2026 | - |
| dc.identifier.citation | Левоненко, И. И. Оценка эффективности современных детекторов объектов в задачах одновременной локализации, картографирования и трекинга (SLAMOT) = Performance evaluation of state-of-the-art object detectors for simultaneous localization, mapping, and object tracking (SLAMOT) / И. И. Левоненко, А. Д. Робачевский // Информационная безопасность : сборник материалов 62-й научной конференции аспирантов, магистрантов и студентов БГУИР, Минск, 13–17 апреля 2026 г. / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: С. В. Дробот (гл. ред.) [и др.]. – Минск, 2026. – С. 137–144. | en_US |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/63724 | - |
| dc.description.abstract | В работе проводится сравнительный анализ современных детекторов объектов, применяемых в задачах одновременной локализации, картографирования и трекинга объектов (SLAMOT). Цель статьи – определить, какие архитектуры детекции обеспечивают наилучший баланс между точностью, скоростью и устойчивостью в условиях динамических сцен, характерных для мобильной робототехники и автономных систем. В качестве сравниваемых моделей рассматриваются одностадийные и многостадийные детекторы: семейство YOLO, SSD, Faster R-CNN, а также OWL как представитель современных универсальных моделей обнаружения. Для каждой архитектуры оцениваются метрики качества детекции, вычислительная эффективность, способность корректно отслеживать объекты во времени и влияние на стабильность SLAMOT-пайплайна. Результаты экспериментов позволяют определить наиболее подходящие модели для интеграции в системы SLAMOT и сформулировать рекомендации по выбору детектора в зависимости от требований к производительности и точности. | en_US |
| dc.language.iso | ru | en_US |
| dc.publisher | БГУИР | en_US |
| dc.subject | материалы конференций | en_US |
| dc.subject | детекция объектов | en_US |
| dc.subject | компьютерное зрение | en_US |
| dc.subject | одностадийные детекторы | en_US |
| dc.subject | многостадийные детекторы | en_US |
| dc.subject | оценка эффективности | en_US |
| dc.subject | автономные системы | en_US |
| dc.title | Оценка эффективности современных детекторов объектов в задачах одновременной локализации, картографирования и трекинга (SLAMOT) | en_US |
| dc.title.alternative | Performance evaluation of state-of-the-art object detectors for simultaneous localization, mapping, and object tracking (SLAMOT) | en_US |
| local.description.annotation | This paper presents a comparative benchmark study of modern object detection architectures employed in Simultaneous Localization, Mapping, and Object Tracking (SLAMOT) pipelines. The primary objective is to identify which detection frameworks achieve the optimal trade-off between accuracy, inference latency, and robustness under dynamic scene conditions typical of mobile robotics and autonomous systems. The evaluated models encompass both single-stage detectors (YOLO family, SSD variants) and two-stage architectures (Faster R-CNN), alongside OWL-ViT as a representative of contemporary open-vocabulary, transformer-based detection paradigms. For each architecture, we assess detection quality metrics, computational efficiency (inference time, memory footprint, parameter count), temporal tracking consistency, and the impact on overall SLAMOT pipeline stability. Experimental results enable the identification of the most suitable models for integration into resource-constrained SLAMOT systems and provide actionable guidelines for detector selection based on application-specific requirements for real-time performance and semantic perception accuracy. | en_US |
| Appears in Collections: | Информационная безопасность : материалы 62-й научной конференции аспирантов, магистрантов и студентов (2026)
|
