Výzkumníci z Microsoftu a Central China University nová vysoce výkonná metoda pro sledování více objektů ve videu pomocí technologií strojového učení – FairMOT (Fair Multi-Object Tracking). Kód s implementací metody založené na Pytorch a trénovaných modelech na GitHubu.
Většina existujících metod sledování objektů používá dvě fáze, z nichž každá je implementována samostatnou neuronovou sítí. V první fázi se spouští model pro určování polohy objektů zájmu a ve druhé fázi se používá model vyhledávání přidružení, který se používá k opětovné identifikaci objektů a připojení kotev k nim.
FairMOT využívá jednostupňovou implementaci založenou na deformovatelné konvoluční neuronové síti (, Deformable Convolutional Network), která umožňuje dosáhnout znatelného zvýšení rychlosti sledování objektů. FairMOT funguje bez kotev, pomocí mechanismu opětovné identifikace k určení offsetů středů objektů na vysoce přesné mapě objektů. Paralelně je spuštěn procesor, který vyhodnocuje jednotlivé vlastnosti objektů, které lze použít k predikci jejich identity, a hlavní modul provádí konvergenci těchto vlastností pro manipulaci s objekty různých měřítek.
K trénování modelu ve FairMOT byla použita kombinace šesti veřejných datových sad pro detekci a vyhledávání osob (ETH, CityPerson, CalTech, MOT17, CUHK-SYSU). Model byl testován pomocí testovacích sad videí , , и poskytuje projekt a pokrývající různé situace, pohyb nebo otáčení kamery, různé úhly pohledu. Testování to ukázalo
FairMOT nejrychlejší konkurenční modely и při testování na video streamech s rychlostí 30 snímků za sekundu prokázal výkon dostatečný k analýze běžných video streamů za chodu.
Zdroj: opennet.ru