FairMOT, ভিডিওতে একাধিক অবজেক্ট দ্রুত ট্র্যাক করার জন্য একটি সিস্টেম

মাইক্রোসফট এবং সেন্ট্রাল চায়না বিশ্ববিদ্যালয়ের গবেষকরা উন্নত মেশিন লার্নিং প্রযুক্তি ব্যবহার করে ভিডিওতে একাধিক অবজেক্ট ট্র্যাক করার জন্য একটি নতুন উচ্চ-পারফরম্যান্স পদ্ধতি - ফেয়ারমট (ফেয়ার মাল্টি-অবজেক্ট ট্র্যাকিং)। Pytorch এবং প্রশিক্ষিত মডেলের উপর ভিত্তি করে পদ্ধতি বাস্তবায়নের সাথে কোড প্রকাশিত গিটহাবে।

বেশিরভাগ বিদ্যমান অবজেক্ট ট্র্যাকিং পদ্ধতি দুটি পর্যায় ব্যবহার করে, প্রতিটি একটি পৃথক নিউরাল নেটওয়ার্ক দ্বারা প্রয়োগ করা হয়। প্রথম পর্যায়টি আগ্রহের বস্তুর অবস্থান নির্ধারণের জন্য একটি মডেল চালায় এবং দ্বিতীয় পর্যায়ে একটি অ্যাসোসিয়েশন অনুসন্ধান মডেল ব্যবহার করে যা বস্তুগুলিকে পুনরায় সনাক্ত করতে এবং তাদের সাথে অ্যাঙ্কর সংযুক্ত করতে ব্যবহৃত হয়।

ফেয়ারমট একটি বিকৃতকারী কনভোল্যুশনাল নিউরাল নেটওয়ার্কের উপর ভিত্তি করে একটি এক-পর্যায় বাস্তবায়ন ব্যবহার করে (DCNv2, ডিফর্মেবল কনভোলিউশনাল নেটওয়ার্ক), যা আপনাকে অবজেক্ট ট্র্যাকিংয়ের গতিতে একটি লক্ষণীয় বৃদ্ধি অর্জন করতে দেয়। FairMOT অ্যাঙ্কর ছাড়াই কাজ করে, একটি উচ্চ-নির্ভুল বস্তুর মানচিত্রে অবজেক্ট সেন্টারের অফসেট নির্ধারণ করতে একটি পুনঃ-শনাক্তকরণ প্রক্রিয়া ব্যবহার করে। সমান্তরালভাবে, একটি প্রসেসর কার্যকর করা হয় যা বস্তুর স্বতন্ত্র বৈশিষ্ট্যগুলিকে মূল্যায়ন করে যা তাদের পরিচয়ের পূর্বাভাস দিতে ব্যবহার করা যেতে পারে এবং প্রধান মডিউলটি বিভিন্ন স্কেলের বস্তুগুলিকে ম্যানিপুলেট করার জন্য এই বৈশিষ্ট্যগুলির একটি কনভারজেন্স সম্পাদন করে।

FairMOT-এ মডেলটিকে প্রশিক্ষণ দেওয়ার জন্য, লোক সনাক্তকরণ এবং অনুসন্ধানের জন্য ছয়টি পাবলিক ডেটাসেটের সংমিশ্রণ ব্যবহার করা হয়েছিল (ETH, CityPerson, CalTech, MOT17, CUHK-SYSU)। মডেলটি ভিডিওর টেস্ট সেট ব্যবহার করে পরীক্ষা করা হয়েছিল 2DMOT15, এমওটি 16, এমওটি 17 и এমওটি 20প্রকল্প দ্বারা প্রদান করা হয় MOT চ্যালেঞ্জ এবং বিভিন্ন পরিস্থিতিতে কভার করে, ক্যামেরার গতিবিধি বা ঘূর্ণন, বিভিন্ন দেখার কোণ। পরীক্ষায় তা দেখা গেছে
ফেয়ারমট আউটস্ট্রিপস দ্রুততম প্রতিযোগী মডেল ট্র্যাকআরসিএনএন и জেডিই যখন প্রতি সেকেন্ডে 30টি ফ্রেমে ভিডিও স্ট্রিম পরীক্ষা করা হয়, তখন ফ্লাইতে নিয়মিত ভিডিও স্ট্রীম বিশ্লেষণ করার জন্য যথেষ্ট কর্মক্ষমতা প্রদর্শন করে।

উত্স: opennet.ru