మైక్రోసాఫ్ట్ మరియు సెంట్రల్ చైనా యూనివర్సిటీ పరిశోధకులు మెషిన్ లెర్నింగ్ టెక్నాలజీలను ఉపయోగించి వీడియోలో బహుళ వస్తువులను ట్రాక్ చేయడానికి కొత్త అధిక-పనితీరు పద్ధతి - FairMOT (ఫెయిర్ మల్టీ-ఆబ్జెక్ట్ ట్రాకింగ్). Pytorch మరియు శిక్షణ పొందిన నమూనాల ఆధారంగా పద్ధతి అమలుతో కోడ్ GitHubలో.
ఇప్పటికే ఉన్న చాలా ఆబ్జెక్ట్ ట్రాకింగ్ పద్ధతులు రెండు దశలను ఉపయోగిస్తాయి, ప్రతి ఒక్కటి ప్రత్యేక న్యూరల్ నెట్‌వర్క్ ద్వారా అమలు చేయబడుతుంది. మొదటి దశ ఆసక్తి ఉన్న వస్తువుల స్థానాన్ని నిర్ణయించడానికి ఒక నమూనాను అమలు చేస్తుంది మరియు రెండవ దశ వస్తువులను తిరిగి గుర్తించడానికి మరియు వాటికి యాంకర్‌లను జోడించడానికి ఉపయోగించే అసోసియేషన్ శోధన నమూనాను ఉపయోగిస్తుంది.
FairMOT వికృతమైన కన్వల్యూషనల్ న్యూరల్ నెట్‌వర్క్ ఆధారంగా ఒక-దశ అమలును ఉపయోగిస్తుంది (, డిఫార్మబుల్ కన్వల్యూషనల్ నెట్‌వర్క్), ఇది ఆబ్జెక్ట్ ట్రాకింగ్ వేగంలో గుర్తించదగిన పెరుగుదలను సాధించడానికి మిమ్మల్ని అనుమతిస్తుంది. అధిక-ఖచ్చితమైన ఆబ్జెక్ట్ మ్యాప్‌లో ఆబ్జెక్ట్ సెంటర్‌ల ఆఫ్‌సెట్‌లను గుర్తించడానికి రీ-ఐడెంటిఫికేషన్ మెకానిజంను ఉపయోగించి FairMOT యాంకర్లు లేకుండా పనిచేస్తుంది. సమాంతరంగా, వాటి గుర్తింపును అంచనా వేయడానికి ఉపయోగించే వస్తువుల యొక్క వ్యక్తిగత లక్షణాలను మూల్యాంకనం చేసే ప్రాసెసర్ అమలు చేయబడుతుంది మరియు ప్రధాన మాడ్యూల్ వివిధ ప్రమాణాల వస్తువులను మార్చడానికి ఈ లక్షణాల కలయికను నిర్వహిస్తుంది.
FairMOTలో మోడల్‌కు శిక్షణ ఇవ్వడానికి, వ్యక్తుల గుర్తింపు మరియు శోధన కోసం ఆరు పబ్లిక్ డేటాసెట్‌ల కలయిక ఉపయోగించబడింది (ETH, CityPerson, CalTech, MOT17, CUHK-SYSU). వీడియోల పరీక్ష సెట్‌లను ఉపయోగించి మోడల్ పరీక్షించబడింది , , и ప్రాజెక్ట్ ద్వారా అందించబడింది మరియు విభిన్న పరిస్థితులు, కెమెరా కదలిక లేదా భ్రమణం, విభిన్న వీక్షణ కోణాలను కవర్ చేస్తుంది. అని పరీక్షలో తేలింది
FairMOT వేగవంతమైన పోటీ నమూనాలు и సెకనుకు 30 ఫ్రేమ్‌ల వీడియో స్ట్రీమ్‌లపై పరీక్షించినప్పుడు, ఫ్లైలో సాధారణ వీడియో స్ట్రీమ్‌లను విశ్లేషించడానికి సరిపోయే పనితీరును ప్రదర్శిస్తుంది.
మూలం: opennet.ru