Выбор функции активации в сверточных нейронных сетях при повторной идентификации людей в системах видеонаблюдения

Abstract

Статья посвящена исследованию влияния функции активации в сверточных нейронных сетях на точность реидентификации людей на изображениях, полученных с различных видеокамер распре- деленных систем видеонаблюдения. Проведены исследования для наиболее применяемых функций активации при обнаружении объектов на изображениях, таких как ReLU, Leaky-ReLU, PReLU, RReLU, ELU, SELU, GELU, Swish, Mish по критериям: точность реидентификации человека с ис- пользованием метрик Rank1, Rank5, Rank10, mAP и время, затраченное на обучение модели. В ка- честве экстрактора признаков использовались архитектуры ResNet-50, DenseNet-121 и DarkNet-53. Экспериментальные исследования выполнены на открытых наборах данных Market1501 и PolReID. Оценка точности реидентификации выполняется после трехкратного повторения обучения и те- стирования при использовании разных функций активации, архитектур нейронных сетей и наборов данных c использованием усреднения полученных значений метрик