 Станут ли компьютеры распознавать объекты так же хорошо, как и человеческий мозг? Инженеры-электрики из Университета Калифорнии в Сан-Диего сделали важный шаг к достижению этой цели путем разработки системы обнаружения пешеходов, которая работает практически в режиме реального времени (2-4 кадра в секунду) и с более высокой точностью (около половины ошибок) по сравнению с существующими системами. Технологии, которая включает в себя глубокие модели обучения, могут быть использованы в «умных» автомобилях, робототехнике и поисковых системах.
Новый алгоритм обнаружения пешеходов, разработанные исследователями, сочетают в себе традиционную архитектуру классификации компьютерного зрения, известную как каскадное обнаружение, с моделями глубокого обучения.
Системы обнаружения пешеходов обычно разбивают изображение в маленькие окна, которые обрабатываются классификатором, сигнализирующим о наличии или отсутствии пешехода. Этот подход является сложной задачей, так как пешеходы появляются в различных размерах (в зависимости от расстояния до камеры) и местах в пределах изображения. Как правило, миллионы окон должны быть проверены видеокадром со скоростью 5-30 кадров в секунду.
В каскадной обнаружения, детектор работает по всей серии этапов. На первых этапах алгоритм быстро идентифицирует и отбрасывает окна, которые он может легко идентифицировать, как не содержащие человека (например, небо). Следующие этапы обработки окна, которые труднее классифицировать алгоритмом, включают в себя те, которые содержат дерево, которое алгоритм может распознать в подобных функциях (форма, цвет, контуры и т.д.). На заключительных этапах алгоритм должен различать пешеходы и очень похожие объекты. Однако поскольку конечные стадии только обрабатывают несколько окон, общая сложность является низкой.
Традиционное каскадное обнаружение зависит от «слабых учеников», которые являются простыми классификаторами, делающими работу на каждом этапе. Первые этапы использовали небольшое количество «слабых учеников», чтобы отклонить простые окна, в то время как более поздние стадии полагаются на большее число слабых испытуемых для обработки более сложных окон. Хотя этот метод является быстрым, он недостаточно мощно работает, когда он достигает финальной стадии. Это связано с тем, что «слабые ученики», используемые на всех этапах каскада, являются идентичными. Поэтому, даже если присутствует больше классификаторов в последних стадиях, им не обязательно выполнять очень сложную классификацию.
Чтобы решить эту проблему, исследователи разработали новый алгоритм, который включает в себя модели глубокого обучения в заключительных этапах каскадного обнаружения. Модели глубокого обучения лучше подходят для комплексного распознавания образов, которые они могут выполнять после обучения сотней или тысячей примеров - в данном случае, образами, которые имеют или не имеют людей на изображении. Тем не менее, глубокие модели обучения являются слишком сложными для реализации в реальном времени. В то время как они хорошо работают в конечных стадиях, они слишком сложны, чтобы их можно было использовать в ранних.
Решением является новая каскадная архитектура, которая сочетает в себе классификаторы из разных семей: простые классификаторы (слабые испытуемые) на ранних стадиях и сложные классификаторы (глубокие модели обучения) в поздних стадиях. Этого нелегко достичь, как отметили исследователи, поскольку алгоритм используется для того, чтобы узнать, как каскад должен найти комбинацию слабых испытуемых, которая достигает оптимального компромисса между точностью детектирования и сложностью для каждого каскадного этапа. Соответственно, исследователи представили новую математическую формулировку этой задачи, в результате предоставляя новый алгоритм проектирования каскада.
Ни один из предыдущих алгоритмов не был способен оптимизировать компромисс между точностью детектирования и скоростью для каскадов со стадиями подобных разных сложностей. На самом деле, это первые каскады, включающие в себя этапы глубокого изучения. В совмещении с полученными результатам новый алгоритм существенно лучше работает в режиме реального времени обеспечивая более точное обнаружение пешеходов.
Алгоритм работает только для бинарных задач обнаружения, таких, как обнаружение пешеходов, но исследователи стремятся расширить технологию для обнаружения множества объектов одновременно. Один из подходов к этой проблеме заключается в подготовке, например, пяти различных детекторов для распознания пяти различных объектов. Но исследователи хотят обучать только один детектор, чтобы сделать это. Разработка этого алгоритма является следующей задачей.
|
