Виявлення об’єктів в процесі розпізнавання зображень за допомогою трансформерів

Автор(и)

  • Дмитро Миронюк Львівський національний університет імені Івана Франка, Україна
  • Богдан Благітко Львівський національний університет імені Івана Франка, Україна
  • Ігор Заячук Інститут прикладних проблем механіки і математики ім. Я.С. Підстригача НАН України, Україна

DOI:

https://doi.org/10.32626/2308-5916.2022-23.83-90

Анотація

Проаналізовано сучасні методи виявлення об’єктів в процесі розпізнавання зображень за допомогою технології трансформера.

Означено переваги та недоліки різних методів. Створено власну мережу на основі трансформера DETR від FAIR team, проаналізовано його роботу. Зроблено порівняння продуктивності трансформерних мереж із оптимізованими архітектурами згорткових нейронних мереж.

В процесі досліджень були використані засоби хмарних обчислень, графічні процесори, кластери Інтернету речей або вбудовані мікропроцесорні системи.

Для забезпечення високої точності детектора об’єктів та результатів виявлення в реальному часі на різних типах пристроїв розроблено ефективний детектор об’єктів і необхідна техніка для масштабування моделі.

Поетапно проілюстровано процес навчання моделі трансформера.

Посилання

Carion N., Massa F., Synnaeve G., Usunier N., Kirillov A., Zagoruyko S. End-to-End Object Detection with Transformers. arXiv: 2005.12872v3 [cs.CV] 28 May 2020. P. 1-26. URL: https://arXiv.org/pdf/2005.12872.pdf.

Chien-Yao Wang, Alexey Bochkovskiy, Hong-Yuan Mark Liao. Scaled-YOLOv4: Scaling Cross Stage Partial Network. arXiv: 2011.08036v2 [cs.CV] 22 Feb 2021. P. 1-10. URL: https://arXiv.org/pdf/2011.08036.pdf.

Shaoqing Ren, Kaiming He, Ross Girshick, and Jian Sun. Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks. arXiv: 2016.1506.01497v3 [cs.CV] 6 Jan 2016. P. 1-14. URL: https://arXiv.org/pdf/1506.01497.pdf.

Goodfellow I., Bengio Yo., Courville A. Deep Learning. A MIT Press Book. MIT Press. 2016. 716 p.

DETR: End-to-End Object Detection with Transformers. URL: https://github.com/facebookresearch/detr

##submission.downloads##

Опубліковано

2022-10-24