FairMOT, ລະບົບການຕິດຕາມວັດຖຸຫຼາຍຢ່າງໃນວິດີໂອໄດ້ຢ່າງວ່ອງໄວ

ນັກຄົ້ນຄວ້າຈາກ Microsoft ແລະ Central China University ພັດທະນາ ວິທີການທີ່ມີປະສິດທິພາບສູງໃໝ່ໃນການຕິດຕາມວັດຖຸຫຼາຍອັນໃນວິດີໂອໂດຍໃຊ້ເທັກໂນໂລຍີການຮຽນຮູ້ເຄື່ອງຈັກ - FairMOT (Fair Multi-Object Tracking). ລະຫັດທີ່ມີການປະຕິບັດວິທີການໂດຍອີງໃສ່ Pytorg ແລະແບບຈໍາລອງທີ່ໄດ້ຮັບການຝຶກອົບຮົມ ຈັດພີມມາ ໃນ GitHub.

ວິທີການຕິດຕາມວັດຖຸທີ່ມີຢູ່ແລ້ວສ່ວນໃຫຍ່ໃຊ້ສອງຂັ້ນຕອນ, ແຕ່ລະປະຕິບັດໂດຍເຄືອຂ່າຍ neural ແຍກຕ່າງຫາກ. ຂັ້ນຕອນທໍາອິດດໍາເນີນການແບບຈໍາລອງສໍາລັບການກໍານົດສະຖານທີ່ຂອງວັດຖຸທີ່ມີຄວາມສົນໃຈ, ແລະຂັ້ນຕອນທີສອງໃຊ້ຮູບແບບການຄົ້ນຫາສະມາຄົມທີ່ໃຊ້ໃນການກໍານົດວັດຖຸໃຫມ່ແລະຕິດສະມໍກັບພວກເຂົາ.

FairMOT ໃຊ້ການປະຕິບັດຂັ້ນຕອນດຽວໂດຍອີງໃສ່ເຄືອຂ່າຍ neural convolutional deformable (DCNv2, Deformable Convolutional Network), ເຊິ່ງອະນຸຍາດໃຫ້ທ່ານບັນລຸການເພີ່ມຂຶ້ນສັງເກດເຫັນໃນຄວາມໄວຂອງການຕິດຕາມວັດຖຸ. FairMOT ເຮັດວຽກໂດຍບໍ່ມີສະມໍ, ການນໍາໃຊ້ກົນໄກການກໍານົດຄືນໃຫມ່ເພື່ອກໍານົດການຊົດເຊີຍຂອງສູນກາງວັດຖຸໃນແຜນທີ່ວັດຖຸທີ່ມີຄວາມແມ່ນຍໍາສູງ. ໃນຂະຫນານ, ໂປເຊດເຊີຖືກປະຕິບັດທີ່ປະເມີນລັກສະນະສ່ວນບຸກຄົນຂອງວັດຖຸທີ່ສາມາດນໍາໃຊ້ເພື່ອຄາດເດົາຕົວຕົນຂອງພວກເຂົາ, ແລະໂມດູນຕົ້ນຕໍປະຕິບັດການລວມກັນຂອງລັກສະນະເຫຼົ່ານີ້ເພື່ອຈັດການວັດຖຸທີ່ມີຂະຫນາດທີ່ແຕກຕ່າງກັນ.

ເພື່ອຝຶກອົບຮົມຕົວແບບໃນ FairMOT, ການປະສົມປະສານຂອງຫົກຊຸດຂໍ້ມູນສາທາລະນະສໍາລັບການຊອກຄົ້ນຫາຄົນແລະການຄົ້ນຫາ (ETH, CityPerson, CalTech, MOT17, CUHK-SYSU). ຮູບແບບດັ່ງກ່າວໄດ້ຖືກທົດສອບໂດຍໃຊ້ຊຸດທົດສອບຂອງວິດີໂອ 2DMOT15, MOT16, MOT17 и MOT20ສະຫນອງໃຫ້ໂດຍໂຄງການ ສິ່ງທ້າທາຍ MOT ແລະກວມເອົາສະຖານະການທີ່ແຕກຕ່າງກັນ, ການເຄື່ອນໄຫວກ້ອງຖ່າຍຮູບຫຼືການຫມຸນ, ມຸມເບິ່ງທີ່ແຕກຕ່າງກັນ. ການທົດສອບສະແດງໃຫ້ເຫັນວ່າ
FairMOT outstrips ຮູບແບບການແຂ່ງຂັນທີ່ໄວທີ່ສຸດ TrackRCNN и J.D.E. ເມື່ອທົດສອບໃນ 30 ເຟຣມຕໍ່ວິດີໂອສະຕຣີມວິນາທີ, ສະແດງໃຫ້ເຫັນເຖິງປະສິດທິພາບພຽງພໍໃນການວິເຄາະການຖ່າຍທອດວິດີໂອແບບປົກກະຕິໃນເວລາບິນ.

ແຫຼ່ງຂໍ້ມູນ: opennet.ru