АНАЛІЗ ПОШКОДЖЕНЬ ІНФРАСТРУКТУРИ З ВИКОРИСТАННЯМ ГЛИБИННОГО НАВЧАННЯ

Мартін  Фесенко; Антон  Рішко; Соломія  Мельник; Віталій Польовий

doi:10.36074/grail-of-science.01.05.2026.089

АНАЛІЗ ПОШКОДЖЕНЬ ІНФРАСТРУКТУРИ З ВИКОРИСТАННЯМ ГЛИБИННОГО НАВЧАННЯ

Authors

Мартін Фесенко Національний університет «Львівська політехніка», Україна
Антон Рішко Національний університет «Львівська політехніка», Україна
Соломія Мельник Національний університет «Львівська політехніка», Україна
Віталій Польовий Національний університет «Львівська політехніка», Україна https://orcid.org/0000-0003-3425-8774

DOI:

https://doi.org/10.36074/grail-of-science.01.05.2026.089

Summary

За оцінками Світового банку, близько 236 тисяч об’єктів було пошкоджено або зруйновано внаслідок війни в Україні станом на 2024 рік [3]. Повномасштабні збройні конфлікти та природні катастрофи спричиняють значні пошкодження житлових будівель і суттєве руйнування об’єктів цивільної та критичної інфраструктури, вулично-дорожньої мережі, мостових конструкцій, водозахисних споруд тощо.

Downloads

PDF

Downloads

Download data is not yet available.

License

References

He, K., Gkioxari, G., Dollár, P., & Girshick, R. (2017). Mask R-CNN. In Proceedings of the IEEE International Conference on Computer Vision (ICCV). https://doi.org/10.1109/ICCV.2017.322 DOI: https://doi.org/10.1109/ICCV.2017.322

Kashtan, V. Yu., & Hnatushenko, V. V. (2023). Automated building damage detection on digital imagery using machine learning. Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu, (6), 134–140. https://doi.org/10.33271/nvngu/2023-6/134 DOI: https://doi.org/10.33271/nvngu/2023-6/134

Kyiv School of Economics. (2024). Report on direct infrastructure damage from destruction as a result of Russia’s military aggression against Ukraine (November 2024).

Moreno González, C. L., Montoya, G. A., & Lozano Garzón, C. (2025). Toward reliable post-disaster assessment: Advancing building damage detection using You Only Look Once convolutional neural network and satellite imagery. Mathematics, 13(7), Article 1041. https://doi.org/10.3390/math13071041 DOI: https://doi.org/10.3390/math13071041

Seydi, S. T., Hasanlou, M., Chanussot, J., & Ghamisi, P. (2023). BDD-Net+: A building damage detection framework based on modified Coat-Net. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 16, 4232–4247. https://doi.org/10.1109/JSTARS.2023.3267847 DOI: https://doi.org/10.1109/JSTARS.2023.3267847

Zhu, X. X., Tuia, D., Mou, L., Xia, G.-S., Zhang, L., Xu, F., & Fraundorfer, F. (2017). Deep learning in remote sensing: A review. IEEE Geoscience and Remote Sensing Magazine, 5(4), 8–36. https://doi.org/10.1109/MGRS.2017.2762307 DOI: https://doi.org/10.1109/MGRS.2017.2762307