УДК 004.023
DOI: 10.36871/2618-9976.2022.03.004
Авторы
Лабинцев А.И.
Кандидат технических наук, Финансовый университет, Москва, Россия
Долматов А.Г.
Магистр прикладной математики, Финансовый университет, Москва, Россия
Аннотация
В статье рассматривается решение задачи нечеткого измерения координат малых объектов, занимающих менее 1% площади на изображениях высокого разрешения. В качестве основы алгоритма для извлечения признаков (feature extractor) малых объектов используются классификаторы EfficientNet и MobileNet из библиотеки Tensorflow, предобученные на данных ImageNet. Далее карта признаков с последних слоев нейросети подается на вход двухслойного персептрона, в котором реализована классификация по вектору признаков в глубину, по каждому элементу вдоль осей координат Х и У. Результаты вычисления трактуются как мера присутствия объекта в рецептивном поле на исходном изображении.
Таким образом, авторы значительно упростили архитектуру решения, при этом достигнуты приемлемые показатели точности и полноты измерений – 68 и 85 % соответственно, время измерения на мобильных платформах менее 100 мс.
Ключевые слова
детекция объектов
нечеткие измерения
обработка снимков
беспилотные летательные аппараты
