Navorsers van Microsoft en Sentraal-China Universiteit 'n nuwe hoëprestasie-metode om veelvuldige voorwerpe in video op te spoor deur masjienleertegnologieë te gebruik - FairMOT (Fair Multi-Object Tracking). Kode met metode-implementering gebaseer op Pytorch en opgeleide modelle op GitHub.
Die meeste bestaande objeknasporingsmetodes gebruik twee fases, elk geïmplementeer deur 'n aparte neurale netwerk. Die eerste fase loop 'n model vir die bepaling van die ligging van voorwerpe van belang, en die tweede fase gebruik 'n assosiasie-soekmodel wat gebruik word om voorwerpe te heridentifiseer en ankers daaraan te heg.
FairMOT gebruik 'n een-fase implementering gebaseer op 'n vervormbare konvolusionele neurale netwerk (, Deformable Convolutional Network), wat jou toelaat om 'n merkbare toename in die spoed van voorwerpopsporing te bereik. FairMOT werk sonder ankers en gebruik 'n heridentifikasiemeganisme om die afwykings van voorwerpsentrums op 'n hoë-presisie voorwerpkaart te bepaal. In parallel word 'n verwerker uitgevoer wat die individuele kenmerke van voorwerpe evalueer wat gebruik kan word om hul identiteit te voorspel, en die hoofmodule voer 'n konvergensie van hierdie kenmerke uit om voorwerpe van verskillende skale te manipuleer.
Om die model in FairMOT op te lei, is 'n kombinasie van ses publieke datastelle vir menseopsporing en -soek gebruik (ETH, CityPerson, CalTech, MOT17, CUHK-SYSU). Die model is getoets met behulp van toetsstelle video's , , и verskaf deur die projek en dek verskillende situasies, kamerabeweging of rotasie, verskillende kykhoeke. Die toetsing het dit gewys
FairMOT vinnigste mededingende modelle и wanneer dit getoets word op 30 rame per sekonde videostrome, wat prestasie demonstreer wat voldoende is om gereelde videostrome te ontleed.
Bron: opennet.ru