Створення маскувальних малюнків за допомогою машинного навчання

Стрімкий розвиток технологій штучного інтелекту відкриває значні перспективи використання нейронних мереж як методу машинного навчання для розроблення засобів маскування. Метою статті є висвітлення результатів використання алгоритмів машинного навчання, зокрема, згорткового варіаційного автоенкодеру, для аналізу текстурних особливостей різних типів місцевостей, генерування текстурних паттернів та створення маскувального малюнку засобів маскування. На основі отриманих результатів були створені маскувальні малюнки засобів маскування, характерні для конкретних типів місцевості, зображення яких слугували вхідними даними. Під час роботи використані наступні методи досліджень: кількісний аналіз для оцінки якості відтворення зображень порівняно з оригіналами, якісний аналіз для перевірки візуальної якості згенерованих та відтворених зображень, а також структурний аналіз архітектури нейронної мережі та її впливу на результати моделювання. Всі ці методи є складовими частинами процесу застосування згорткових варіаційних автоенкодерів, які є одним із видів нейронних мереж та належать до класу генеративних моделей. Отримані результати розрахунків середнього значення латентного простору й відтворені, на їх основі, узагальнення зображення місцевості, свідчать про високий рівень ефективності розглянутих методів. Це є новим підходом до розв’язання проблеми створення маскувальних малюнків та розширює відомі способи розроблення засобів маскування. Визначено, що у контексті створення маскувальних малюнків варіаційні автоенкодери,, завдяки своїй архітектурі та принципу роботи, мають декілька переваг перед іншими алгоритмами машинного навчання: вони здатні кодувати зображення у низькорозмірні простори та декодувати-відтворювати їх, можуть автоматично виділяти текстурні особливості місцевості та генерувати нові зразки на основі навчених розподілів. Інтеграція методів машинного навчання у наукове обґрунтування підвищення ефективності виконання інженерних заходів маскування військ та об’єктів становить наукову новизну цього дослідження. Результати використання нейронної мережі, під час розроблення засобів маскування, свідчать, що сучасні методи машинного навчання дають змогу створювати більш реалістичні та ефективні маскувальні малюнки порівняно з традиційними підходами. Практичне впровадження результатів досліджень у вітчизняний військово-промисловий комплекс може сприяти розробленню більш ефективних засобів маскування, що підвищують безпеку особового складу та військової техніки на полі бою.