Исследовательский потенациал молодых ученых: взгляд в будущее - 2023

51 Рис. 2. Сравнение YOLOv7 с другими детекторами В настоящее время YOLOv7 активно используется обычными пользователями и коммерческими компаниями для решения различных задач детектирования, где показывает высокие результаты по сравнению с другими доступными детекторами. YOLOv7 требует в несколько раз более дешевого вычислительного оборудования, и её можно обучить намного быстрее на небольших наборах данных. Таким образом, ИНС YOLO различных версий является отличным инстру- ментов для систем детектирования различных объектов. Они способны справ- ляться с широким спектром задач, не требуют высоко производительного обо- рудования, способны быстро и точно детектировать требуемые объекты в видео- потоке. Литература 1. Круглов В. В., Борисов В. В. Искусственные нейронные сети. Теория и прак- тика. – М. : Горячая линия – Телеком, 2019. 2. Ростовцев В. С. Искусственные нейронные сети : учеб. – Киров : Изд-во ВятГУ, 2014. 3. YOLOv7: The Most Powerful Object Detection Algorithm (2023 Guide). – URL: https://viso.ai/deep-learning/yolov7-guide/ (дата обращения: 25.02.2023).