Haqiqiy vaqtda ob'ektni aniqlash Mavhum

Haqiqiy vaqtda ob'ektni aniqlash
Mavhum
E'tirozni aniqlash kompyuterni ko'rishda asosiy muammo hisoblanadi. Biz neyron
tarmoq va boshqa kompyuterni ko'rish xususiyatlaridan foydalangan holda ob'ektni aniqlash bo'yicha ishimiz haqida xabar beramiz. Biz
aniqlash uchun tezroq Regionbased Konvolyutsion neyron tarmoq usulidan (Faster R-CNN) foydalanamiz va keyin
ob'ektni neyron tarmoq xususiyatlari va gradientlarning gistogrammalari
(cho'chqa) kabi xususiyatlar bilan moslashtiramiz. Biz real vaqtda ishlash va qoniqarli natijalarga erisha olamiz.
1
Kirish
Ob'ektni aniqlash kompyuterni ko'rishda qiyin va hayajonli vazifadir. Aniqlash
qiyin bo'lishi mumkin, chunki yo'nalish, yorug'lik, fon va okklyuziyada har xil o'zgarishlar mavjud bo'lib
, natijada bir xil ob'ektning butunlay boshqacha tasvirlari paydo bo'lishi mumkin. Endi chuqur
o'rganish va neyron tarmog'ining rivojlanishi bilan biz turli xil evristikalar bilan real vaqtda kelmasdan, bunday muammolarni hal qila olamiz
.
Biz tezroq r-CNN modelini o'rnatdik va o'qitdik
2 Caffe chuqur o'rganish doirasida. Tezroq
RCNN-bu mintaqaga asoslangan neyron tarmoqlarni aniqlash usuli. Biz birinchi
navbatda aniqlash takliflarini yaratish uchun mintaqaviy takliflar tarmog'idan (RPN) foydalandik. Keyin biz
ob'ektni tasniflash uchun R-CNN-ni tezlashtirish uchun bir xil tarmoq tuzilishini ishlatdik va chegara qutisini o'zgartirdik. Bundan
tashqari, biz tomonidan ishlab chiqilgan algoritm orqali aniqlangan ob'ekt xususiyati qazib. Nihoyat, biz
ma'lumotlar bazasida saqlangan kishilar bilan aniqlangan ob'ektni mos.
2
Tegishli Ish
2012 yilda Krizhevskiy va boshq.[1]
lsvrc-2010 ImageNet-dagi tasvirlarni avvalgi ishlarga qaraganda ancha yaxshi aniqlik bilan 1000 turdagi sinflarga tasniflash uchun chuqur konvolyutsion neyron tarmoqni o'rgatdi
,bu esa kompyuterni ko'rishda chuqur o'rganishdan foydalanishni boshladi. 2014 yilda Jia va boshq.[2]
toza va o'zgartirilishi mumkin bo'lgan chuqur o'rganish tizimini yaratdi: Caffe.
2015 yilda Ren va boshq.[3] taklif tezroq viloyati taklif tarmoq. Tarmoq
tasvir orqali konvolyutsion xususiyatlarni baham ko'rdi, bu esa deyarli bepul mintaqaviy takliflarga olib keldi. Tezroq
R-CNNdan tashqari, CNN faoliyatini yaxshilash uchun ko'plab boshqa yondashuvlar mavjud.
YOLO kabi so'nggi yondashuvlar [4] va SSD [5] to'g'ridan-to'g'ri butun tasvirni neyron tarmog'iga qo'ying va
taxmin qilingan qutilarni ball bilan oling. Tezroq R-CNN bilan taqqoslaganda ularning ishlash vaqti yanada kamayadi. Siz
faqat bir marta qaraysiz (YOLO) to'liq tasvirga bitta neyron tarmoqni qo'llaydi. Ushbu tarmoq
tasvirni mintaqalarga ajratadi va har bir mintaqa uchun chegara qutilari va ehtimolliklarini bashorat qiladi. Yagona zarbali
ko'p quti detektori (SSD) chegara qutilarining chiqish maydonini
har xil tomonlar nisbati va har bir xususiyat xaritasi joylashuvi bo'yicha o'lchovlar bo'yicha standart qutilar to'plamiga ajratadi.