ОТСЛЕЖИВАНИЕ ОБЪЕКТОВ НА ОСНОВЕ НЕЙРОСЕТЕВОЙ МОДЕЛИ YOLO
Keywords:
Архитектура YOLO. Модель YOLO представляет собой одностадийный детектор объектов, который делит изображение на сетку и предсказывает ограничивающие рамки и классы объектов для каждой ячейки сетки [4]. YOLO использует сверточные нейронные сети (CNN), обученные на большом объеме размеченных данных [4, 5].Abstract
Отслеживание объектов является одной из ключевых задач в области компьютерного зрения, требующей решения множества сложных проблем, таких как изменение масштаба объектов, их взаимное перекрытие и быстрые перемещения. Современные технологии позволяют решать эту задачу с высокой точностью и скоростью, что важно для широкого спектра приложений, включая системы безопасности, автономные транспортные средства и анализ видеонаблюдения [1, 2]. Одним из наиболее эффективных методов для детекции объектов является модель YOLO (You Only Look Once), которая обеспечивает высокую точность и скорость [3]. В данной статье рассматривается применение YOLO для отслеживания объектов в режиме реального времени, анализируются результаты и перспективы дальнейшего развития.
Downloads
References
Bathija A., Sharma G. Visual object detection and tracking using yolo and sort //International Journal of Engineering Research Technology. – 2019. – Т. 8. – №. 11. – С. 345-355.
Tan L. et al. A multiple object tracking algorithm based on YOLO detection //2018 11th International Congress on Image and Signal Processing, BioMedical Engineering and Informatics (CISP-BMEI). – IEEE, 2018. – С. 1-5.
Krishna N. M. et al. Object detection and tracking using Yolo // 2021 Third International Conference on Inventive Research in Computing Applications (ICIRCA). – IEEE, 2021. – С. 1-7.
Zhang Y., Chen Z., Wei B. A sport athlete object tracking based on deep sort and yolo V4 in case of camera movement //2020 IEEE 6th international conference on computer and communications (ICCC). – IEEE, 2020. – С. 1312-1316.
Lin S. D., Chang T., Chen W. Multiple Object Tracking using YOLO-based Detector //Journal of Imaging Science & Technology. – 2021. – Т. 65. – №. 4.
