شناسایی و ردیابی همزمان اشیا با استفاده از یادگیری عمیق

تشخیص اشیا، ردیابی اشیا و پیش بینی سری های زمانی، از چالش های اساسی در بینایی ماشین است. یادگیری عمیق، گام های بسیار بزرگی در حل این چالش ها برداشته است. اما برای بسیاری از مشکلات، راه حل های رضایت بخشی که در واقعیت، کاربرد-های مفیدی داشته باشد و بتوان از آن استفاده کرد، هنوز پیدا نشده است. در این مقاله، با دو چالش ردیابی و شناسایی اشیا روبرو هستیم که برای حل این مشکل، پیدا کردن لوله های محدود کننده برای حرکت اشیا در حوزه مکان- زمان پیشنهاد شده است. معمولا ردیابی اشیا و تشخیص اشیا، بصورت دو فرایند جداگانه مورد بررسی قرار می گیرد که تکامل و پیشرفت زیادی از طریق یادگیری عمیق برای تصاویردوبعدی، حاصل شده است. ردیابی اشیا به وسیله تشخیص اشیا، مستلزم آن است که جسم در اولین فریم و در تمام فریم های بعدی، با موفقیت شناسایی شود و بدین گونه، با مرتبط سازی نتایج حاصل شده از تشخیص اشیا، عملیات ردیابی را توسط خط لوله TPN انجام دادیم. عملیات شناسایی اشیا و ردیابی اشیا از طریق یک شبکه واحد، همچنان چالش بر انگیز و قابل بحث است. در این مقاله، یک ساختار شبکه ای پیشنهاد شده است که توانست یک شی متحرک و درحال حرکت را که محصور شده بود، با استفاده ازR-CNN Faster شناسایی کند. در این شبکه، TPN جایگزین RPN شده است و همین موضوع، باعث شناسایی بهتر اشیا و بهبود ردیابی شد. در این روش، با استفاده از عملیات شناسایی اشیا به ردیابی اشیا پرداخته شده است.

Keywords:

شناسایی و ردیابی همزمان اشیا , شناسایی اشیا , ردیابی اشیا , تشخیص اشیا