Panaliti ti Microsoft sareng Central China University Metoda-kinerja tinggi anyar pikeun nyukcruk sababaraha objék dina video ngagunakeun téhnologi learning mesin - FairMOT (Fair Multi-Objék Tracking). Kode sareng palaksanaan metode dumasar kana Pytorch sareng modél terlatih dina GitHub.
Paling métode tracking objék aya ngagunakeun dua tahap, unggal dilaksanakeun ku jaringan neural misah. Tahap kahiji ngajalankeun model pikeun nangtukeun lokasi objék dipikaresep, jeung tahap kadua ngagunakeun model pilarian pakaitna dipaké pikeun ulang ngaidentipikasi objék jeung ngagantelkeun anchors ka aranjeunna.
FairMOT ngagunakeun palaksanaan hiji-tahap dumasar kana jaringan saraf convolutional deformable (, Deformable Convolutional Network), nu ngidinan Anjeun pikeun ngahontal kanaékan noticeable dina laju tracking objék. FairMOT jalan tanpa jangkar, ngagunakeun mékanisme ulang idéntifikasi pikeun nangtukeun offsets puseur obyék dina peta obyék-precision tinggi. Dina paralel, prosésor dieksekusi anu ngaevaluasi fitur individu objék anu tiasa dianggo pikeun ngaduga identitasna, sareng modul utama ngalaksanakeun konvergénsi fitur ieu pikeun ngamanipulasi objék tina skala anu béda.
Pikeun ngalatih modél di FairMOT, kombinasi genep set data umum pikeun deteksi sareng milarian jalma (ETH, CityPerson, CalTech, MOT17, CUHK-SYSU). Modél diuji ngagunakeun sét tés pidéo , , и disadiakeun ku proyék sarta ngawengku kaayaan béda, gerakan kaméra atawa rotasi, sudut nempoan béda. Tés nunjukkeun éta
FairMOT model bersaing panggancangna и lamun diuji dina 30 pigura per detik aliran video, demonstrating kinerja cukup pikeun nganalisis aliran video biasa on laleur nu.
sumber: opennet.ru