Istraživači iz Microsofta i Središnjeg kineskog sveučilišta nova metoda visokih performansi za praćenje više objekata u videu pomoću tehnologija strojnog učenja - FairMOT (Fair Multi-Object Tracking). Kod s implementacijom metode temeljen na Pytorchu i obučenim modelima na GitHubu.
Većina postojećih metoda praćenja objekata koristi dvije faze, a svaku implementira zasebna neuronska mreža. Prva faza pokreće model za određivanje lokacije objekata od interesa, a druga faza koristi model pretraživanja asocijacija koji se koristi za ponovnu identifikaciju objekata i pričvršćivanje sidra na njih.
FairMOT koristi jednofaznu implementaciju temeljenu na deformabilnoj konvolucijskoj neuronskoj mreži (, Deformable Convolutional Network), koji vam omogućuje postizanje zamjetnog povećanja brzine praćenja objekta. FairMOT radi bez sidrišta, koristeći mehanizam ponovne identifikacije za određivanje pomaka središta objekata na karti objekta visoke preciznosti. Paralelno se izvršava procesor koji procjenjuje pojedinačne značajke objekata koje se mogu koristiti za predviđanje njihovog identiteta, a glavni modul izvodi konvergenciju tih značajki za manipuliranje objektima različitih razmjera.
Za obuku modela u FairMOT-u korištena je kombinacija šest javnih skupova podataka za otkrivanje i pretraživanje ljudi (ETH, CityPerson, CalTech, MOT17, CUHK-SYSU). Model je testiran korištenjem testnih skupova videozapisa , , и predviđeno projektom i pokriva različite situacije, kretanje ili rotaciju kamere, različite kutove gledanja. Testiranje je to pokazalo
FairMOT najbrži konkurentski modeli и kada je testiran na video streamovima od 30 sličica u sekundi, pokazujući performanse dovoljne za analizu redovnih video streamova u hodu.
Izvor: opennet.ru