FairMOT, भिडियोमा धेरै वस्तुहरू द्रुत रूपमा ट्र्याक गर्ने प्रणाली

माइक्रोसफ्ट र सेन्ट्रल चाइना युनिभर्सिटीका अनुसन्धानकर्ताहरू विकसित मेसिन लर्निङ टेक्नोलोजीहरू प्रयोग गरेर भिडियोमा धेरै वस्तुहरू ट्र्याक गर्नको लागि नयाँ उच्च-प्रदर्शन विधि - FairMOT (फेयर बहु-वस्तु ट्र्याकिङ)। Pytorch र प्रशिक्षित मोडेलहरूमा आधारित विधि कार्यान्वयनको साथ कोड प्रकाशित भयो GitHub मा।

धेरैजसो अवस्थित वस्तु ट्र्याकिङ विधिहरूले दुई चरणहरू प्रयोग गर्दछ, प्रत्येक एक अलग न्यूरल नेटवर्क द्वारा लागू। पहिलो चरणले चासोको वस्तुहरूको स्थान निर्धारण गर्नको लागि मोडेल चलाउँछ, र दोस्रो चरणले वस्तुहरूलाई पुन: पहिचान गर्न र तिनीहरूमा एङ्करहरू जोड्न प्रयोग गरिने एसोसिएसन खोज मोडेल प्रयोग गर्दछ।

FairMOT ले विकृत कन्भोलुसनल न्यूरल नेटवर्कमा आधारित एक-चरण कार्यान्वयन प्रयोग गर्दछ (DCNv2, Deformable Convolutional Network), जसले तपाईंलाई वस्तु ट्र्याकिङको गतिमा उल्लेखनीय वृद्धि हासिल गर्न अनुमति दिन्छ। FairMOT ले एङ्कर बिना काम गर्दछ, उच्च परिशुद्धता वस्तु नक्सामा वस्तु केन्द्रहरूको अफसेटहरू निर्धारण गर्न पुन: पहिचान संयन्त्र प्रयोग गरेर। समानान्तरमा, एक प्रोसेसर कार्यान्वयन गरिएको छ जसले वस्तुहरूको व्यक्तिगत विशेषताहरूको मूल्याङ्कन गर्दछ जुन तिनीहरूको पहिचानको भविष्यवाणी गर्न प्रयोग गर्न सकिन्छ, र मुख्य मोड्युलले विभिन्न स्केलका वस्तुहरूलाई हेरफेर गर्न यी सुविधाहरूको अभिसरण प्रदर्शन गर्दछ।

FairMOT मा मोडेललाई तालिम दिन, मानिसहरू पत्ता लगाउन र खोजी गर्नका लागि छवटा सार्वजनिक डेटासेटहरूको संयोजन प्रयोग गरियो (ETH, CityPerson, CalTech, MOT17, CUHK-SYSU)। भिडियोको परीक्षण सेटहरू प्रयोग गरेर मोडेलको परीक्षण गरिएको थियो 2DMOT15, MOT16, MOT17 и MOT20परियोजना द्वारा प्रदान गरिएको MOT चुनौती र विभिन्न परिस्थितिहरू, क्यामेराको चाल वा घुमाउने, फरक हेर्ने कोणहरू कभर गर्दै। परीक्षणले देखाएको छ
FairMOT आउटस्ट्रिप्स सबैभन्दा छिटो प्रतिस्पर्धी मोडेलहरू ट्र्याकआरसीएनएन и JDE 30 फ्रेम प्रति सेकेन्ड भिडियो स्ट्रिमहरूमा परीक्षण गर्दा, उडानमा नियमित भिडियो स्ट्रिमहरू विश्लेषण गर्न पर्याप्त प्रदर्शन प्रदर्शन।

स्रोत: opennet.ru