Niniejsza praca bada projektowanie, rozwój i ocenę inteligentnego systemu śledzenia wieżyczki w czasie rzeczywistym, który wykorzystuje lekkie modele glębokiego uczenia do zautomatyzowanego nadzoru obronnego. Wyjaśnia, w jaki sposób nowoczesne środowiska walki wymagają szybszych i dokladniejszych systemów wykrywania zagrożeń, które mogą dzialac przy minimalnej interwencji czlowieka. Praca koncentruje się na zastosowaniu wydajnych technik wizji komputerowej, w szczególności splotowych sieci neuronowych opartych na YOLO, do wykrywania i śledzenia wielu celów, takich jak drony, pojazdy i personel w dynamicznych scenach. Szczególną uwagę poświęcono wdrażaniu tych modeli na energooszczędnych platformach brzegowych (edge), rozwiązując wyzwania związane z opóźnieniami, ograniczeniami obliczeniowymi i niezawodnością. Książka omawia również tworzenie i wykorzystywanie syntetycznych środowisk symulacyjnych do trenowania i walidacji modeli w sytuacjach, gdy rzeczywiste dane wojskowe są ograniczone. Poprzez analizę eksperymentalną i ocenę wydajności wykazano, jak optymalizacja modelu, augmentacja danych i skalowanie rozdzielczości poprawiają dokladnośc wykrywania przy zachowaniu pracy w czasie rzeczywistym. Ogólnie rzecz biorąc, proponowana praca stanowi praktyczny i techniczny przewodnik po budowie systemów nadzoru sterowanych przez AI.
