Отрывок: Исходное изображение разбивается на квадратные непересекающиеся области, называемые ранговыми, и на более крупные квадратные области, называемые доменными. Выделяются две основные стадии анализа изображения: фрактальное сжатие и распознавание. Алгоритм сжатия на основе СИФ для каждой ранговой области производит поиск лучшего преобразования из доменной в ранговую область. В рез...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Минаев, Е.Ю. | - |
dc.contributor.author | Кутикова, В.В. | - |
dc.contributor.author | Никоноров, А.В. | - |
dc.contributor.author | Minaev, E.Y. | - |
dc.contributor.author | Kutikova, V.V. | - |
dc.contributor.author | Nikonorov, A.V. | - |
dc.date.accessioned | 2018-05-22 09:29:57 | - |
dc.date.available | 2018-05-22 09:29:57 | - |
dc.date.issued | 2018 | - |
dc.identifier | Dspace\SGAU\20180518\69606 | ru |
dc.identifier.citation | Минаев Е.Ю. Трекинг объектов в видеопотоке на основе сверточных нейронных сетей и фрактального анализа / Минаев Е.Ю., Кутикова В.В., Никоноров А.В. // Сборник трудов IV международной конференции и молодежной школы «Информационные технологии и нанотехнологии» (ИТНТ-2018) - Самара: Новая техника, 2018. - С.2792-2798 | ru |
dc.identifier.uri | http://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Treking-obektov-v-videopotoke-na-osnove-svertochnyh-neironnyh-setei-i-fraktalnogo-analiza-69606 | - |
dc.description.abstract | Проблема трекинга множества объектов в видеопотоке является одной из наиболее востребованных в сфере технического зрения. На ее основе решается множество прикладных задач - видеонаблюдения, беспилотного транспорта, взаимодействия человек-компьютер и других. В данной работе исследуется возможность применения методов фрактального сжатия для оценки близости детекций объектов при решении задачи трекинга. При этом сами детекции объектов требуемых классов получаются на каждом кадре при помощи сверточной нейронной сети YOLOv2. В результате показано, что предложенное сочетание сверточных нейронных сетей и методов фрактального анализа позволяет успешно решать задачу трекинга объектов. Для экспериментального исследования было использовано видео из открытой тестовой базы данных по множественному трекингу. This paper explores a multiple object tracking focusing on possibility of using fractal analysis as closeness measure. We used YOLOv2 convolutional neural network for object detection and then apply fractal-based measure to determine when the different detections belong to the same track. Experimental evaluation on the sample video from the MOT challenge benchmark confirms efficiency of the proposed combination of convolutional neural network and fractal analysis. | ru |
dc.description.sponsorship | Работа выполнена при поддержке Федерального агентства научных организаций (соглашение № 007-ГЗ/Ч3363/26). | ru |
dc.language.iso | rus | ru |
dc.publisher | Новая техника | ru |
dc.subject | Convolutional neural network | ru |
dc.subject | object detection | ru |
dc.subject | object tracking | ru |
dc.title | Трекинг объектов в видеопотоке на основе сверточных нейронных сетей и фрактального анализа | ru |
dc.title.alternative | Multiple object tracking based on convolutional neural network and fractal analysis | ru |
dc.type | Article | ru |
dc.textpart | Исходное изображение разбивается на квадратные непересекающиеся области, называемые ранговыми, и на более крупные квадратные области, называемые доменными. Выделяются две основные стадии анализа изображения: фрактальное сжатие и распознавание. Алгоритм сжатия на основе СИФ для каждой ранговой области производит поиск лучшего преобразования из доменной в ранговую область. В рез... | - |
Располагается в коллекциях: | Информационные технологии и нанотехнологии |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
paper_376.pdf | основная статья | 536.25 kB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.