Syst?me Intelligent de Poursuite de Tourelle En Temps R?el Utilisant Des CNN L?gers (French Edition)

Le présent travail explore la conception, le développement et l'évaluation d'un système intelligent de poursuite de tourelle en temps réel qui utilise des modèles de deep learning légers pour la surveillance de défense automatisée. Il explique comment les environnements de combat modernes exigent des systèmes de détection de menaces plus rapides et plus précis, capables de fonctionner avec une intervention humaine minimale. Le travail se concentre sur l'application de techniques de vision par ordinateur efficaces, en particulier les réseaux de neurones convolutifs basés sur YOLO, pour détecter et suivre plusieurs cibles telles que des drones, des véhicules et du personnel dans des scènes dynamiques. Une attention particulière est accordée au déploiement de ces modèles sur des plateformes edge à faible consommation, en relevant les défis liés à la latence, aux limites de calcul et à la fiabilité. Le livre aborde également la création et l'utilisation d'environnements de simulation synthétiques pour entraîner et valider les modèles lorsque les données militaires réelles sont limitées. À travers l'analyse expérimentale et l'évaluation des performances, il démontre comment l'optimisation des modèles, l'augmentation des données et la mise à l'échelle de la résolution améliorent la précision de la détection tout en maintenant un fonctionnement en temps réel. Dans l'ensemble, le travail proposé fournit un guide pratique et technique pour la construction de systèmes de surveillance p