Microsoft-ի և Կենտրոնական Չինաստանի համալսարանի հետազոտողները մեքենայական ուսուցման տեխնոլոգիաների միջոցով տեսանյութում բազմաթիվ օբյեկտների հետևելու նոր բարձր արդյունավետ մեթոդ՝ FairMOT (Fair Multi-Object Tracking): Կոդ՝ Pytorch-ի և վերապատրաստված մոդելների վրա հիմնված մեթոդի ներդրմամբ GitHub-ում:
Օբյեկտների հետագծման գոյություն ունեցող մեթոդների մեծ մասը օգտագործում է երկու փուլ, որոնցից յուրաքանչյուրն իրականացվում է առանձին նեյրոնային ցանցի միջոցով: Առաջին փուլը գործարկում է հետաքրքրություն ներկայացնող օբյեկտների գտնվելու վայրը որոշելու մոդել, իսկ երկրորդ փուլն օգտագործում է ասոցիացիայի որոնման մոդել՝ օբյեկտները նորից նույնականացնելու և դրանց վրա խարիսխներ ամրացնելու համար:
FairMOT-ն օգտագործում է մեկ փուլային իրականացում, որը հիմնված է դեֆորմացվող կոնվոլյուցիոն նեյրոնային ցանցի վրա (, Deformable Convolutional Network), որը թույլ է տալիս հասնել օբյեկտների հետագծման արագության նկատելի աճի։ FairMOT-ն աշխատում է առանց խարիսխների՝ օգտագործելով վերանույնականացման մեխանիզմ՝ բարձր ճշգրտությամբ օբյեկտների քարտեզի վրա օբյեկտների կենտրոնների շեղումները որոշելու համար: Զուգահեռաբար գործարկվում է պրոցեսոր, որը գնահատում է օբյեկտների անհատական հատկանիշները, որոնք կարող են օգտագործվել դրանց ինքնությունը կանխատեսելու համար, և հիմնական մոդուլը կատարում է այս հատկանիշների կոնվերգենցիան՝ տարբեր մասշտաբների օբյեկտները շահարկելու համար:
FairMOT-ում մոդելը վարժեցնելու համար օգտագործվել է մարդկանց հայտնաբերման և որոնման վեց հանրային տվյալների հավաքածուների համակցություն (ETH, CityPerson, CalTech, MOT17, CUHK-SYSU): Մոդելը փորձարկվել է տեսահոլովակների թեստային հավաքածուների միջոցով , , и նախագծով նախատեսված և լուսաբանելով տարբեր իրավիճակներ, տեսախցիկի շարժում կամ ռոտացիա, դիտման տարբեր անկյուններ: Փորձարկումը դա ցույց տվեց
FairMOT ամենաարագ մրցակից մոդելները и երբ փորձարկվում է վայրկյանում 30 կադր տեսահոսքերի վրա՝ ցույց տալով բավարար արդյունավետություն՝ սովորական վիդեո հոսքերը վերլուծելու համար:
Source: opennet.ru