Виявля́ння об'є́ктів () — це комп'ютерна технологія, пов'язана з комп'ютерним баченням та обробкою зображень, яка має справу з виявлянням примірників семантичних об'єктів певного класу (таких як люди, будівлі чи автомобілі) у цифрових зображеннях та відео.Dasiopoulou, Stamatia, et al. "Knowledge-assisted semantic video object detection." IEEE Transactions on Circuits and Systems for Video Technology 15.10 (2005): 1210–1224. До добре досліджених областей виявляння об'єктів належать виявляння облич та . Виявляння об'єктів має застосування у багатьох сферах комп'ютерного бачення, включно з та відеоспостереженням.
Використання
Його широко використовують у задачах комп'ютерного бачення, таких як , підрахунок транспортних засобів, ,Wu, Jianxin, et al. "A scalable approach to activity recognition based on object use." 2007 IEEE 11th international conference on computer vision. IEEE, 2007. виявляння облич, розпізнавання облич, . Його також використовують у відстежуванні об'єктів, наприклад відстежуванні м'яча під час футбольного матчу, відстежуванні руху біти для крикету, або відстежуванні особи на відео.
Концепція
Кожен клас об'єктів має свої ознаки, які допомагають у його класифікуванні — наприклад, усі кола круглі. Виявляння класу об'єктів використовує ці особливі ознаки. Наприклад, при пошуку кіл шукають об'єкти, що перебувають на певній відстані від якоїсь точки (тобто центру). Подібним чином, при пошуку квадратів потрібні об'єкти, які мають перпендикулярні кути та мають однакову довжину сторін. Подібний підхід використовують для встановлювання облич, де можливо знаходити очі, ніс і губи, а також такі ознаки, як колір шкіри та відстань між очима.
Оцінювання
Для локалізації об'єктів істинно позитивний результат часто визначають за пороговим значенням перетину над об'єднанням (IoU). Наприклад, на зображенні може бути дорожній знак з обмежувальною рамкою, накресленою людиною («еталонною розміткою»). За порогового значення 0,5 нейронна мережа правильно виявляє знак, якщо IoU її рамки з еталонною рамкою перевищує 0,5. Інакше цю рамку вважають хибнопозитивним результатом.
Якщо існує лише одна еталонна рамка, але система видала кілька прогнозів, для кожного прогнозу обчислюють IoU. Прогноз із найбільшим IoU вважають істинно позитивним, якщо він перевищує поріг, а інакше — хибнопозитивним. Усі інші передбачені рамки вважають хибнопозитивними. Якщо жоден прогноз не має IoU, що перевищує поріг, еталонний об'єкт вважають невиявленим, тобто результат є хибнонегативним.
Для одночасної локалізації та класифікації результат вважають істинно позитивним лише тоді, коли мітка класу правильна, а IoU перевищує поріг. Таку одночасну локалізацію та класифікацію оцінюють середньою точністю, усередненою за всіма класами (mAP). Середня точність (AP) мережі для певного класу — це площа під кривою точності—повноти за зміни порога впевненості. Показник mAP є середнім значенням AP для всіх класів.
Методи
Методи виявляння об'єктів зазвичай належать або до нейромережних, або до ненейронних підходів. Для ненейронних підходів стає необхідним спочатку визначити ознаки за допомогою одного з наведених нижче методів, а потім використовувати метод, такий як опорновекторні машини (ОВМ, ), щоби здійснювати класифікування. З іншого боку, нейронні методики здатні здійснювати наскрізне виявляння об'єктів без спеціального визначення ознак, і зазвичай ґрунтуються на згорткових нейронних мережах (ЗНМ, ).
Ненейронні підходи: Система Віоли — Джонса виявляння об'єктів на основі гаарових ознак Масштабоінваріантне ознакове перетворення (МІОП, ) Ознаки гістограм напрямлених градієнтів (ГНГ, ) Нейромережні підходи: (О-ЗНМ, , Fast R-CNN, Faster R-CNN, каскадна О-ЗНМ.) Одноходовий багаторамковий виявляч (ОКВ, ) You Only Look Once (YOLO, ) Одноходова уточнювальна нейронна мережа для виявляння об'єктів () Retina-Net Деформовні згорткові мережі ()
Див. також
Виявляння ознак (комп'ютерне бачення)
Алгоритм Текномо — Фернандеса
Примітки
Посилання
Multiple object class detection Spatio-temporal action localization Video object detection and co-segmentation