Watafiti kutoka Microsoft na Central China University mbinu mpya ya utendakazi wa hali ya juu ya kufuatilia vitu vingi katika video kwa kutumia teknolojia ya kujifunza kwa mashine - FairMOT (Fair Multi-Object Tracking). Nambari iliyo na utekelezaji wa njia kulingana na Pytorch na mifano iliyofunzwa kwenye GitHub.
Mbinu nyingi zilizopo za kufuatilia kitu hutumia hatua mbili, kila moja ikitekelezwa na mtandao tofauti wa neva. Hatua ya kwanza inaendesha kielelezo cha kuamua eneo la vitu vya kupendeza, na hatua ya pili hutumia muundo wa utaftaji wa ushirika unaotumiwa kutambua tena vitu na kushikilia nanga kwao.
FairMOT hutumia utekelezaji wa hatua moja kulingana na mtandao wa neva unaoweza kuharibika (, Mtandao wa Ubadilishaji wa Deformable), ambayo hukuruhusu kufikia ongezeko dhahiri la kasi ya ufuatiliaji wa kitu. FairMOT hufanya kazi bila nanga, kwa kutumia utaratibu wa kutambua upya ili kubaini suluhu za vituo vya kitu kwenye ramani ya kitu cha usahihi wa juu. Sambamba, processor inatekelezwa ambayo inatathmini sifa za kibinafsi za vitu ambavyo vinaweza kutumika kutabiri utambulisho wao, na moduli kuu hufanya muunganisho wa vipengele hivi ili kuendesha vitu vya mizani tofauti.
Ili kutoa mafunzo kwa kielelezo katika FairMOT, mchanganyiko wa seti sita za data za umma za kutambua na kutafuta watu zilitumika (ETH, CityPerson, CalTech, MOT17, CUHK-SYSU). Muundo huo ulijaribiwa kwa kutumia seti za majaribio za video , , ΠΈ zinazotolewa na mradi na kufunika hali tofauti, harakati za kamera au mzunguko, pembe tofauti za kutazama. Mtihani ulionyesha hivyo
FairMOT mifano inayoshindana kwa kasi zaidi ΠΈ inapojaribiwa kwenye fremu 30 kwa kila mtiririko wa video sekunde, ikionyesha utendakazi wa kutosha kuchanganua mitiririko ya kawaida ya video moja kwa moja.
Chanzo: opennet.ru