Abstract
<jats:p>В работе рассматривается актуальная задача обнаружения сверхмалых объектов в условиях железнодорожной инфраструктуры для повышения безопасности движения. Традиционные методы объектного детектирования на основе сверточных нейронных сетей сталкиваются с трудностями при обнаружении объектов на больших расстояниях из-за сильной деградации изображения, что приводит к снижению их эффективности. В связи с этим разработка эффективных методов детекции сверхмалых объектов является критически важной. Предлагается новый подход, основанный на анализе низкоуровневых радиометрических сигналов DRI. Он опирается на извлечение и анализ статистических характеристик яркости, сохраняющихся даже при значительной пространственной деградации. Даже при ограниченной визуальной информации предложенный метод демонстрирует большую точность обнаружения: 70–75 % для сверхмалых объектов размером менее 20 пикселей.</jats:p> <jats:p>This paper addresses the current challenge of detecting ultra-small objects within railway infrastructure to enhance traffic safety. Traditional object detection methods based on convolutional neural networks encounter difficulties in detecting distant objects due to severe image degradation, leading to reduced effectiveness. Consequently, developing effective methods for ultra-small object detection is critically important. This work proposes a novel approach based on the analysis of low-level radiometric DRI signals. It relies on extracting and analyzing statistical brightness characteristics that are preserved even with significant spatial degradation. Even with limited visual information, the proposed method demonstrates high detection accuracy: 70-75% for ultra-small objects less than 20 pixels in size.</jats:p>