Эффективность использования методов на базе рекуррентных нейронных сетей для задач отслеживания динамических объектов

Abstract

Отслеживание объектов на данный момент является одной из самых сложных и наименее изученных задач в области компьютерного зрения по ряду причин. Кроме специфики построения методов, существенную роль играет и выбор места и угла фотофиксации объектов, в том числе большое расстояние до объектов слежения, вариативность в размерах объектов, движение камеры и т. д. В данной работе проводится обзор существующих подходов в задачах отслеживания объектов, обсуждаются преимущества и недостатки тех или иных методов, а также аргументируется выбор типа рекуррентных нейронных сетей как основы для построения метода отслеживания объектов. Для подтверждения эффективности метода отслеживания приводится реализация метода с использованием сети детектирования YOLOv4eff в комбинации с двунаправленной сетью долговременной памяти LSTM для отслеживания объектов на дороге с беспилотного летательного аппарата. В нашем методе сверточная нейронная сеть используется в качестве сети выделения признаков дифференциальных последовательных кадров, YOLOv4eff в качестве детектора и biLSTMeff в качестве предиктора мест слежения. Сравнение производительности предложенного метода по сравнению с другими современными методами отслеживания показывают более точный результат и в целом подтверждается эффективная применимость метода для задачи отслеживания динамических объектов