МЕТОДОЛОГІЯ СТВОРЕННЯ ФОРМАТИЗОВАНИХ НАБОРІВ ДАНИХ ЗА ДОПОМОГОЮ СИМУЛЯТОРА AIRSIM ТА ІНСТРУМЕНТІВ ЇХ АНОТАЦІЇ ТА АУГМЕНТАЦІЇ

Анотація

Запропоновано методологію створення форматизованих наборів даних для завдань комп’ютерного зору з використанням симулятора Microsoft AirSim і сучасних інструментів їх анотації і аугментації. З огляду на те, що підготовка навчальних даних для моделей глибокого навчання є одним із найбільш витратних і трудомістких етапів, розроблена методика спрямована на зниження вартості та часу формування якісних наборів даних за збереження їхньої різноманітності й узгодженості. Симулятор AirSim забезпечує фотореалістичне відтворення сцен і різноманітних сценаріїв, що дозволяє формувати початкові набори зображень з високим рівнем варіативності та контрольованими параметрами середовища. Це створює передумови для побудови стійких моделей виявлення та розпізнавання об’єктів, які можуть ефективно функціонувати у складних умовах реального світу. Особливу увагу приділено процесу анотації даних. Проведено огляд поширених інструментів анотації з визначенням їхніх переваг і обмежень в контексті формування наборів даних у форматі YOLO, що є одним із найбільш популярних фреймворків для завдань детекції. Визначено, що узгодженість у роботі аноторів і наявність чітких правил розмітки є критично важливими для забезпечення якості та логічної послідовності наборів даних, особливо у випадках складних сцен із кількома об’єктами, що перекриваються. Окремим аспектом дослідження є застосування методів аугментації, які дозволяють штучно збільшувати обсяг і різноманітність навчальних вибірок. Виконано аналіз базових засобів аугментації, інтегрованих у YOLO, спеціалізованих підходів і автоматизованих методів, що по-різному впливають на узагальнювальну здатність моделей. Використання цих інструментів сприяє зниженню ризику перенавчання, підвищенню точності та стійкості моделей до варіацій освітлення, ракурсів і фонових умов. Практична значущість результатів полягає у створенні універсальної методики, яка дозволяє ефективно поєднувати симульовані та реальні дані, забезпечує швидке формування якісних навчальних вибірок для завдань виявлення об’єктів у різних предметних галузях – від моніторингу довкілля до промислової інспекції.