FairMOT, व्हिडिओवर एकाधिक ऑब्जेक्ट्सचा द्रुतपणे मागोवा घेण्यासाठी एक प्रणाली

मायक्रोसॉफ्ट आणि सेंट्रल चायना युनिव्हर्सिटीचे संशोधक विकसित मशीन लर्निंग तंत्रज्ञानाचा वापर करून व्हिडिओमधील एकाधिक ऑब्जेक्ट्सचा मागोवा घेण्यासाठी एक नवीन उच्च-कार्यक्षमता पद्धत - FairMOT (फेअर मल्टी-ऑब्जेक्ट ट्रॅकिंग). Pytorch आणि प्रशिक्षित मॉडेल्सवर आधारित पद्धत अंमलबजावणीसह कोड प्रकाशित GitHub वर.

बहुतेक विद्यमान ऑब्जेक्ट ट्रॅकिंग पद्धती दोन टप्पे वापरतात, प्रत्येक वेगळ्या न्यूरल नेटवर्कद्वारे अंमलात आणल्या जातात. पहिला टप्पा स्वारस्य असलेल्या वस्तूंचे स्थान निश्चित करण्यासाठी एक मॉडेल चालवतो आणि दुसरा टप्पा ऑब्जेक्ट्स पुन्हा ओळखण्यासाठी आणि त्यांना अँकर जोडण्यासाठी वापरला जाणारा असोसिएशन शोध मॉडेल वापरतो.

फेअरएमओटी विकृत कन्व्होल्युशनल न्यूरल नेटवर्कवर आधारित एक-स्टेज अंमलबजावणी वापरते (DCNv2, Deformable Convolutional Network), जे तुम्हाला ऑब्जेक्ट ट्रॅकिंगच्या गतीमध्ये लक्षणीय वाढ साध्य करण्यास अनुमती देते. FairMOT अँकरशिवाय कार्य करते, उच्च-परिशुद्धता ऑब्जेक्ट नकाशावर ऑब्जेक्ट सेंटर्सचे ऑफसेट निर्धारित करण्यासाठी पुन्हा-ओळखण्याची यंत्रणा वापरते. समांतर, एक प्रोसेसर कार्यान्वित केला जातो जो ऑब्जेक्ट्सच्या वैयक्तिक वैशिष्ट्यांचे मूल्यांकन करतो ज्याचा वापर त्यांच्या ओळखीचा अंदाज लावण्यासाठी केला जाऊ शकतो आणि मुख्य मॉड्यूल वेगवेगळ्या स्केलच्या वस्तू हाताळण्यासाठी या वैशिष्ट्यांचे अभिसरण करते.

FairMOT मध्‍ये मॉडेल प्रशिक्षित करण्‍यासाठी, लोकांचा शोध आणि शोध यासाठी सहा सार्वजनिक डेटासेटचे संयोजन वापरले गेले (ETH, CityPerson, CalTech, MOT17, CUHK-SYSU). व्हिडिओचे चाचणी संच वापरून मॉडेलची चाचणी घेण्यात आली 2DMOT15, MOT16, MOT17 и MOT20प्रकल्पाद्वारे प्रदान केले जाते MOT आव्हान आणि भिन्न परिस्थिती, कॅमेराची हालचाल किंवा रोटेशन, भिन्न दृश्य कोन कव्हर करणे. चाचणीत असे दिसून आले
FairMOT आउटस्ट्राइप्स सर्वात वेगवान प्रतिस्पर्धी मॉडेल ट्रॅकआरसीएनएन и JDE 30 फ्रेम्स प्रति सेकंद व्हिडिओ स्ट्रीमवर चाचणी केल्यावर, फ्लायवर नियमित व्हिडिओ प्रवाहांचे विश्लेषण करण्यासाठी पुरेसे कार्यप्रदर्शन दर्शवते.

स्त्रोत: opennet.ru