영상 속 여러 물체를 빠르게 추적하는 시스템 FairMOT

Microsoft와 Central China University의 연구원 개발했다 기계 학습 기술을 사용하여 비디오에서 여러 객체를 추적하는 새로운 고성능 방법인 FairMOT(Fair Multi-Object Tracking)입니다. Pytorch 및 훈련된 모델을 기반으로 메서드를 구현한 코드 출판 된 깃허브에서.

대부분의 기존 개체 추적 방법은 두 단계를 사용하며 각 단계는 별도의 신경망으로 구현됩니다. 첫 번째 단계에서는 관심 객체의 위치를 ​​결정하는 모델을 실행하고, 두 번째 단계에서는 객체를 재식별하고 앵커를 연결하는 데 사용되는 연관 검색 모델을 사용합니다.

FairMOT은 변형 가능한 컨벌루션 신경망(DCNv2, Deformable Convolutional Network)을 사용하면 객체 추적 속도를 눈에 띄게 높일 수 있습니다. FairMOT은 고정밀 객체 맵에서 객체 중심의 오프셋을 결정하기 위해 재식별 메커니즘을 사용하여 앵커 없이 작동합니다. 동시에, 개체의 신원을 예측하는 데 사용할 수 있는 개체의 개별 특징을 평가하는 프로세서가 실행되고, 메인 모듈은 이러한 기능의 융합을 수행하여 다양한 규모의 개체를 조작합니다.

FairMOT에서 모델을 훈련하기 위해 사람 감지 및 검색을 위한 17개의 공개 데이터 세트(ETH, CityPerson, CalTech, MOTXNUMX, CUHK-SYSU)의 조합이 사용되었습니다. 모델은 비디오 테스트 세트를 사용하여 테스트되었습니다. 2DMOT15, 모트16, 모트17 и 모트20프로젝트에서 제공 MOT 챌린지 다양한 상황, 카메라 이동 또는 회전, 다양한 시야각을 다루고 있습니다. 테스트 결과
페어모트 앞선 가장 빠른 경쟁 모델 트랙RCNN и J.D.E. 초당 30프레임 비디오 스트림에서 테스트했을 때 일반 비디오 스트림을 즉석에서 분석하기에 충분한 성능을 보여주었습니다.

출처 : opennet.ru