FairMOT, વિડિઓ પર બહુવિધ ઑબ્જેક્ટ્સને ઝડપથી ટ્રૅક કરવા માટેની સિસ્ટમ

માઇક્રોસોફ્ટ અને સેન્ટ્રલ ચાઇના યુનિવર્સિટીના સંશોધકો વિકસિત મશીન લર્નિંગ ટેક્નોલોજીનો ઉપયોગ કરીને વિડિયોમાં બહુવિધ ઑબ્જેક્ટને ટ્રૅક કરવા માટેની નવી ઉચ્ચ-પ્રદર્શન પદ્ધતિ - FairMOT (ફેર મલ્ટિ-ઑબ્જેક્ટ ટ્રૅકિંગ). પાયટોર્ચ અને પ્રશિક્ષિત મોડલ્સ પર આધારિત પદ્ધતિ અમલીકરણ સાથેનો કોડ પ્રકાશિત GitHub પર.

મોટાભાગની હાલની ઑબ્જેક્ટ ટ્રેકિંગ પદ્ધતિઓ બે તબક્કાઓનો ઉપયોગ કરે છે, દરેક એક અલગ ન્યુરલ નેટવર્ક દ્વારા અમલમાં મુકવામાં આવે છે. પ્રથમ તબક્કો રુચિના પદાર્થોનું સ્થાન નક્કી કરવા માટે એક મોડેલ ચલાવે છે, અને બીજા તબક્કામાં વસ્તુઓને ફરીથી ઓળખવા અને તેમની સાથે એન્કર જોડવા માટે ઉપયોગમાં લેવાતા એસોસિએશન સર્ચ મોડલનો ઉપયોગ કરવામાં આવે છે.

FairMOT એક વિકૃત કન્વોલ્યુશનલ ન્યુરલ નેટવર્ક પર આધારિત એક-તબક્કાના અમલીકરણનો ઉપયોગ કરે છે (DCNv2, ડિફોર્મેબલ કન્વોલ્યુશનલ નેટવર્ક), જે તમને ઑબ્જેક્ટ ટ્રેકિંગની ઝડપમાં નોંધપાત્ર વધારો હાંસલ કરવા દે છે. FairMOT ઉચ્ચ-ચોકસાઇવાળા ઑબ્જેક્ટ નકશા પર ઑબ્જેક્ટ કેન્દ્રોના ઑફસેટ્સને નિર્ધારિત કરવા માટે પુનઃ-ઓળખની પદ્ધતિનો ઉપયોગ કરીને એન્કર વિના કામ કરે છે. સમાંતર રીતે, એક પ્રોસેસર ચલાવવામાં આવે છે જે ઑબ્જેક્ટ્સની વ્યક્તિગત સુવિધાઓનું મૂલ્યાંકન કરે છે જેનો ઉપયોગ તેમની ઓળખની આગાહી કરવા માટે થઈ શકે છે, અને મુખ્ય મોડ્યુલ વિવિધ સ્કેલના ઑબ્જેક્ટ્સને હેરફેર કરવા માટે આ સુવિધાઓનું સંકલન કરે છે.

FairMOT માં મોડેલને તાલીમ આપવા માટે, લોકોની શોધ અને શોધ માટે છ જાહેર ડેટાસેટ્સના સંયોજનનો ઉપયોગ કરવામાં આવ્યો હતો (ETH, CityPerson, CalTech, MOT17, CUHK-SYSU). વિડીયોના ટેસ્ટ સેટ્સનો ઉપયોગ કરીને મોડેલનું પરીક્ષણ કરવામાં આવ્યું હતું 2DMOT15, MOT16, MOT17 и MOT20પ્રોજેક્ટ દ્વારા પ્રદાન કરવામાં આવે છે MOT ચેલેન્જ અને વિવિધ પરિસ્થિતિઓ, કેમેરાની હિલચાલ અથવા પરિભ્રમણ, જુદા જુદા જોવાના ખૂણાઓને આવરી લે છે. પરીક્ષણે તે દર્શાવ્યું હતું
FairMOT આઉટસ્ટ્રિપ્સ સૌથી ઝડપી સ્પર્ધાત્મક મોડેલો ટ્રેકઆરસીએનએન и જેડીઇ જ્યારે 30 ફ્રેમ્સ પ્રતિ સેકન્ડ વિડિયો સ્ટ્રીમ્સ પર પરીક્ષણ કરવામાં આવે છે, ત્યારે ફ્લાય પર નિયમિત વિડિયો સ્ટ્રીમ્સનું વિશ્લેષણ કરવા માટે પૂરતું પ્રદર્શન દર્શાવે છે.

સોર્સ: opennet.ru