Олег Колодій
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Олег Колодій has a total of 19 co-authors. Here are the top co-authors by number of shared publications:
- Анатолій Соловйов
Навчально-науковий випробувальний полігон високотехнологічного озброєння та військової техніки, Україна
2 shared publications - Владислав Пальчиков
Навчально-науковий випробувальний полігон високотехнологічного озброєння та військової техніки
2 shared publications - Олексій Коломійцев
Національний технічний університет "Харківський політехнічний інститут
2 shared publications - Oleksandr Shmatko
National Technical University "Kharkiv Polytechnic Institute", Ukraine
1 shared publication Ігор Борозенець
Харківський національний університет Повітряних Сил імені Івана Кожедуба, Україна
1 shared publicationІгор Гамаюн
1 shared publication
Latest Publications
- Open Access
- 20 February 2026
- Published by European Scientific Platform (Publications) in Grail of Science
- No. 62,p. 1056-1077
МОДЕЛЬ ДЛЯ СИСТЕМИ ВИЯВЛЕННЯ ТА КЛАСИФІКАЦІЇ ОБ'ЄКТІВ (ТРАНСПОРТНИХ ЗАСОБІВ) У ВІДЕОПОТОЦІ ДАНИХ НА ОСНОВІ ГЛИБИННОГО НАВЧАННЯ
В статті проведено дослідження та порівняння алгоритмів FASTER-RCNN, YOLO, SSD та R-FCN. що необхідні для створення ефективної інтелектуальної системи виявлення об'єктів у режимі реального часу. Здійснено оцінку алгоритмів Precision, recall, F1-score, mAP та часу на виведення за показниками ефективності на основі тестового набору даних. Визначено, що модель глибокого навчання YOLOv5 має високі точність та швидкість обробки даних, що дозволяє її застосовувати в області комп'ютерного зору та штучного інтелекту для інтелектуальної системи виявлення об'єктів. Розроблено модель для системи виявлення та класифікації об'єктів (транспортних засобів) у відеопотоці даних на основі глибинного навчання. Використано модель нейронної мережі YOLOv5. Проведено експериментальні дослідження навченої моделі. Наведено отримані як графічні і табличні результати досліджень, так і скріншоти роботи навченої моделі з відеопотоком даних.
- 20 February 2026
- Published by European Scientific Platform (Publications) in Grail of Science
- No. 62,p. 1056-1077
Open AccessМОДЕЛЬ ДЛЯ СИСТЕМИ ВИЯВЛЕННЯ ТА КЛАСИФІКАЦІЇ ОБ'ЄКТІВ (ТРАНСПОРТНИХ ЗАСОБІВ) У ВІДЕОПОТОЦІ ДАНИХ НА ОСНОВІ ГЛИБИННОГО НАВЧАННЯ
В статті проведено дослідження та порівняння алгоритмів FASTER-RCNN, YOLO, SSD та R-FCN. що необхідні для створення ефективної інтелектуальної системи виявлення об'єктів у режимі реального часу. Здійснено оцінку алгоритмів Precision, recall, F1-score, mAP та часу на виведення за показниками ефективності на основі тестового набору даних. Визначено, що модель глибокого навчання YOLOv5 має високі точність та швидкість обробки даних, що дозволяє її застосовувати в області комп'ютерного зору та штучного інтелекту для інтелектуальної системи виявлення об'єктів. Розроблено модель для системи виявлення та класифікації об'єктів (транспортних засобів) у відеопотоці даних на основі глибинного навчання. Використано модель нейронної мережі YOLOv5. Проведено експериментальні дослідження навченої моделі. Наведено отримані як графічні і табличні результати досліджень, так і скріншоти роботи навченої моделі з відеопотоком даних.
- Open Access
- 14 November 2025
- Published by European Scientific Platform (Publications) in Grail of Science
- No. 58,p. 852-867
ПІДХІД ЩОДО ОЦІНКИ ЕФЕКТИВНОСТІ РОБОТИ ОПЕРАТОРА В СКЛАДНІЙ ЕРГАТИЧНІЙ СИСТЕМІ
В статті розроблено підходу щодо оцінки ефективності діяльності оператора в складній ергатичній системі з урахуванням факторів інтелектуалізації обробки даних (інформації). Обґрунтувань можливість застосування стохастичної моделі процесу підготовки операторів такої системи. Запропоновано ймовірнісну модель цілеспрямованої діяльності оператора, який експлуатує складну ергатичну систему. Час на виконання роботи та кількість помилок оператора, які допущені визначено за статистичних методів.
- 14 November 2025
- Published by European Scientific Platform (Publications) in Grail of Science
- No. 58,p. 852-867
Open AccessПІДХІД ЩОДО ОЦІНКИ ЕФЕКТИВНОСТІ РОБОТИ ОПЕРАТОРА В СКЛАДНІЙ ЕРГАТИЧНІЙ СИСТЕМІ
В статті розроблено підходу щодо оцінки ефективності діяльності оператора в складній ергатичній системі з урахуванням факторів інтелектуалізації обробки даних (інформації). Обґрунтувань можливість застосування стохастичної моделі процесу підготовки операторів такої системи. Запропоновано ймовірнісну модель цілеспрямованої діяльності оператора, який експлуатує складну ергатичну систему. Час на виконання роботи та кількість помилок оператора, які допущені визначено за статистичних методів.