Данная работа посвящена исследованию различных способов обнаружения объектов на фотографиях, в частности очагов возгорания. Целью работы является реализация нейросетевого алгоритма локализации пожаров по аэрофотоснимкам на основе существующих методов В работе рассмотрены различные методы компьютерного зрения для обнаружения воспламенений, в том числе нейросетевые алгоритмы, решающие задачи детекции и сегментирования объектов на фотографиях и видеопоследовательностях. Для исследования была выбрана одна из новейших моделей сегментации в реальном времени – YOLACT. Для обучения модели YOLACT был создан набор данных, состоящий из различных фотографий, снятых с БПЛА. Полученный нейросетевой алгоритм был оценен с помощью метрик. Наибольшая средняя точность mAP достигается при значении IoU = 0,5 при обнаружении полигонами для класса «дым» 65,05% и для «огонь» 36,6%. При обнаружении ограничивающими прямоугольниками mAP составляет 65,25% и 38,94% для «дыма» и «огня» соответственно. Скорость алгоритма составила 25 кадров в секунду на видеокарте NVIDIA GeForce RTX 2080 TI и 5 кадров в секунду на NVIDIA Jetson AGX Xavier.

The theme of the final qualifying work: “Segmentation of ignition sources in aerial photographs using a convolutional neural network”. This work is devoted to the study of methods for detecting objects in photographs fires. The aim of the work is to implement a neural network algorithm for localizing fires from aerial photographs based on the existing methods. The paper considers various methods of computer vision for detecting flames, including neural network algorithms that solve the problems of detecting and segmenting objects in photographs and video sequences. One of the newest real-time segmentation models, YOLACT, was chosen for the study. To train the YOLACT model, a dataset was created, consisting of various photographs taken from the UAV. The resulting neural network algorithm was evaluated using metrics. At high average accuracy, mAP is achieved at IoU = 0,5 with 65,05% detection by polygons for smoke and 36,6% for fire. When detected by bounding boxes, the mAP is 65,25% and 38,94% for smoke and fire, respectively. The algorithm speed was 25 frames per second on the NVIDIA GeForce RTX 2080 TI graphics card and 5 frames per second on the NVIDIA Jetson AGX Xavier.