HM-net: شبكة انحدار للكشف عن مركز الكائنات وتتبع الصور المتحركة ذات المساحة الواسعة
| العنوان | HM-net: شبكة انحدار للكشف عن مركز الكائنات وتتبع الصور المتحركة ذات المساحة الواسعة |
|---|---|
| المؤلف | موتوركو، هاكي، أتيش، إتش إف، أوغورداغ، حسن فاتح، جونتورك، بي كيه. |
| تاريخ النشر: | 2022 |
| مكان النشر | - IEEE |
| الموضوع | الشبكات العصبية العميقة، اكتشاف الأشياء، التتبع، الصور المتحركة لمنطقة واسعة |
| النوع | دورية |
| اللغة | الإنجليزية |
| رقمي | نعم |
| مخطوط | لا |
| المكتبة: | جامعة اوزيجين |
| معرف أصل المكتبة | 2169-3536 |
| رقم السجل | f6c120f4-d664-479c-9574-68e56949006d |
| موقع المكتبة | الهندسة الكهربائية والإلكترونية |
| التاريخ | 2022 |
| نص عينة | تنتج الصور المتحركة ذات المساحة الواسعة (WAMI) صورًا عالية الدقة تحتوي على عدد كبير من الكائنات الصغيرة جدًا. تحتوي الكائنات المستهدفة على إزاحات مكانية كبيرة عبر الإطارات المتتالية. هذه الطبيعة لصور WAMI تجعل تتبع الكائنات واكتشافها أمرًا صعبًا. في هذا البحث، نقدم نموذجنا المدمج للكشف عن الكائنات وتتبعها والمعتمد على الشبكة العصبية العميقة، وتحديدًا شبكة الخريطة الحرارية (HM-Net). تعد HM-Net أسرع بشكل ملحوظ من أحدث الأساليب المعتمدة على اختلاف الإطارات والطرح في الخلفية، دون المساس بأداء الكشف والتتبع. تتبع HM-Net نموذج الكشف والتتبع المشترك القائم على مركز الكائن. تدعم التنبؤات البسيطة المستندة إلى الخريطة الحرارية عددًا غير محدود من الاكتشافات المتزامنة. تستخدم الطريقة المقترحة إطارين متتاليين والخريطة الحرارية للكشف عن الكائن التي تم الحصول عليها من الإطار السابق كمدخلات، مما يساعد HM-Net على مراقبة التغيرات المكانية والزمانية بين الإطارات وتتبع الكائنات المتوقعة مسبقًا. على الرغم من أن إعادة استخدام الخريطة الحرارية للكشف عن الأشياء مسبقًا تعمل كعنصر ذاكرة حيوي يعتمد على ردود الفعل، إلا أنها يمكن أن تؤدي إلى زيادة غير مقصودة في الاكتشافات الإيجابية الخاطئة. ولزيادة قوة الطريقة في مواجهة الإيجابيات الكاذبة وللتخلص من اكتشافات الثقة المنخفضة، تستخدم HM-Net مرشحات ردود فعل جديدة وتعزيزات متقدمة للبيانات. تتفوق HM-Net على أحدث أساليب اكتشاف الأجسام المتحركة وتتبعها من WAMI على مجموعة بيانات WPAFB مع درجات اكتشاف 96.2% F1 و94.4% mAP، مع تحقيق 61.8% من نقاط تتبع mAP على نفس مجموعة البيانات. يتوافق هذا الأداء مع تحسن بنسبة 2.1% لـ F1، و6.1% لدرجات mAP عند الاكتشاف، و9.5% لدرجات mAP عند التتبع مقارنة بأحدث ما توصلت إليه التكنولوجيا. |
| DOI | 10.1109/ACCESS.2021.3138980 |
| Cilt | 10 |
