Найти

Результаты поиска

• АЛГОРИТМ ПРЕДВАРИТЕЛЬНОЙ ОБРАБОТКИ ВИДЕОИЗОБРАЖЕНИЙ ДЛЯ ПОВЫШЕНИЯ ТОЧНОСТИ ОБНАРУЖЕНИЯ МАЛОРАЗМЕРНЫХ ОБРАЗОВ

  В. В. Ковалев , Н. Е. Сергеев

  2021-12-24

  Аннотация ▼

  Распознавание определенных образов в видеоизображениях, снятой камерой, осуще-
  ствляется с помощью методов обучения на основе сверточных нейронных сетей. Чем
  больше количество образов с множеством признаков и разнообразнее обучающая выборка
  видеоизображений, тем лучше сверточные нейронные сети извлекают признаки из после-
  довательности видеоизображений, которые не были включены в обучающую выборку. Это
  является следствием повышения точности обнаружения визуальных образов на видеоизоб-
  ражениях, содержащих признаки целевых образов. Однако, существуют ограничения в
  улучшении характеристик обнаружения, когда размеры образа, который нужно обнару-
  жить, значительно меньше, чем область фона или, когда образ описан малым количеством
  информации. Для решения проблем подобного рода авторами статьи разработан алго-
  ритм пространственно-временного комплексирования информации о движении динамиче-
  ских образов. Алгоритм обрабатывает фиксированное количество видеоизображений в
  определенные моменты времени и извлекает новые независимые признаки движения дина-
  мических образов на основе пространственно-временной обработки видеоизображений.
  Далее объединяет новые локальные признаки движения с исходными признакам видеоизоб-
  ражения. Это позволяет добавить признак движения динамических образов с сохранением
  исходных признаков изображения, описывающих статичные образы. Области видеоизоб-
  ражения, характеризующие признак движения, отображаются «цветным» кластером.
  Применение предварительной обработки направлено на повышение точности обнаруже-
  ния образов при условии наличия динамических визуальных образов на статичном заднем
  фоне. Если камера работает в режиме сканирования, то статичный задний фон можно
  обеспечить стабилизатором видеоизображений. Экспериментальным путем получены
  оценки интегральных критериев точности детекционных нейросетевых алгоритмов, пока-
  зывающие увеличение в точности обнаружения визуальных образов с применением алго-
  ритма пространственно-временного комплексирования информации о движении.