FairMOT ជាប្រព័ន្ធសម្រាប់តាមដានវត្ថុជាច្រើនយ៉ាងរហ័សនៅលើវីដេអូ

អ្នកស្រាវជ្រាវមកពីសាកលវិទ្យាល័យ Microsoft និង Central China អភិវឌ្ឍ វិធីសាស្រ្តថ្មីដែលមានប្រសិទ្ធភាពខ្ពស់សម្រាប់ការតាមដានវត្ថុជាច្រើននៅក្នុងវីដេអូដោយប្រើបច្ចេកវិទ្យារៀនម៉ាស៊ីន - FairMOT (Fair Multi-Object Tracking)។ កូដជាមួយនឹងការអនុវត្តវិធីសាស្រ្តដោយផ្អែកលើ Pytorg និងគំរូដែលបានបណ្តុះបណ្តាល បានផ្សព្វផ្សាយ នៅលើ GitHub ។

វិធីសាស្រ្តតាមដានវត្ថុដែលមានស្រាប់ភាគច្រើនប្រើពីរដំណាក់កាល ដែលនីមួយៗត្រូវបានអនុវត្តដោយបណ្តាញសរសៃប្រសាទដាច់ដោយឡែក។ ដំណាក់កាលទីមួយដំណើរការគំរូសម្រាប់កំណត់ទីតាំងរបស់វត្ថុដែលចាប់អារម្មណ៍ ហើយដំណាក់កាលទីពីរប្រើគំរូស្វែងរកសមាគមដែលប្រើដើម្បីកំណត់អត្តសញ្ញាណវត្ថុឡើងវិញ និងភ្ជាប់យុថ្កាទៅពួកគេ។

FairMOT ប្រើការអនុវត្តមួយដំណាក់កាលដោយផ្អែកលើបណ្តាញសរសៃប្រសាទដែលខូចទ្រង់ទ្រាយ (DCNv2, Deformable Convolutional Network) ដែលអនុញ្ញាតឱ្យអ្នកសម្រេចបាននូវការកើនឡើងគួរឱ្យកត់សម្គាល់ក្នុងល្បឿននៃការតាមដានវត្ថុ។ FairMOT ដំណើរការដោយគ្មានយុថ្កាដោយប្រើយន្តការកំណត់អត្តសញ្ញាណឡើងវិញដើម្បីកំណត់អុហ្វសិតនៃមជ្ឈមណ្ឌលវត្ថុនៅលើផែនទីវត្ថុដែលមានភាពជាក់លាក់ខ្ពស់។ ស្របគ្នា ដំណើរការមួយត្រូវបានប្រតិបត្តិដែលវាយតម្លៃលក្ខណៈបុគ្គលនៃវត្ថុដែលអាចត្រូវបានប្រើដើម្បីទស្សន៍ទាយអត្តសញ្ញាណរបស់ពួកគេ ហើយម៉ូឌុលសំខាន់អនុវត្តការបញ្ចូលគ្នានៃលក្ខណៈពិសេសទាំងនេះដើម្បីរៀបចំវត្ថុនៃមាត្រដ្ឋានផ្សេងៗគ្នា។

ដើម្បីបណ្តុះបណ្តាលគំរូនៅក្នុង FairMOT ការរួមបញ្ចូលគ្នានៃសំណុំទិន្នន័យសាធារណៈចំនួនប្រាំមួយសម្រាប់ការរកឃើញ និងការស្វែងរកមនុស្សត្រូវបានប្រើប្រាស់ (ETH, CityPerson, CalTech, MOT17, CUHK-SYSU)។ ម៉ូដែលនេះត្រូវបានសាកល្បងដោយប្រើឈុតវីដេអូសាកល្បង 2DMOT15, MOT16, MOT17 и MOT20ផ្តល់ដោយគម្រោង ការប្រកួតប្រជែង MOT និងគ្របដណ្តប់ស្ថានភាពផ្សេងគ្នា ចលនាកាមេរ៉ា ឬការបង្វិល មុំមើលផ្សេងគ្នា។ ការធ្វើតេស្តបានបង្ហាញថា
FairMOT ក្រៅឆាក ម៉ូដែលប្រកួតប្រជែងលឿនបំផុត។ TrackRCNN и ជេឌី នៅពេលសាកល្បងនៅលើ 30 ហ្វ្រេមក្នុងមួយស្ទ្រីមវីដេអូ បង្ហាញពីដំណើរការគ្រប់គ្រាន់ដើម្បីវិភាគការផ្សាយវីដេអូធម្មតាភ្លាមៗ។

ប្រភព: opennet.ru