Vizualno sledenje poljubnega objekta v videoposnetku z napovedovanjem centralne točkeFidel, Denis (Avtor) Kristan, Matej (Mentor) vizualno sledenjepoljuben objektlokalen sledilnikcentralna točkakonvolucijska nevronska mrežagloboko združevanje nivojevV nalogi naslavljamo problem vizualnega sledenja poljubnega objekta v videoposnetku. Pri izbranem problemu uporabnik označi lokacijo objekta na prvi sliki, naloga algoritma pa je slediti izbran objekt čez celoten videoposnetek. Predstavljamo novost sledenja objekta z napovedovanjem centralne točke, katere dodatni atributi so velikost, odmik in premik glede na prejšnjo sliko. Predlagan sledilnik GOCT je razvit iz sledilnika več objektov CenterTrack in je posledično lokalen, saj za napoved uporablja trenutno, prejšnjo in začetno sliko. Lokacijo napovedujemo s pomočjo konvolucijskih nevronskih mrež, pri čemer hrbtenična arhitektura temelji na globokem združevanju nivojev (DLA). Metoda GOCT na zbirki GOT10k pri 9FPS dosega povprečno prekrivanje $AO=0,610$ in delež uspešnosti $SR_{0,50}=0,669$ ter $SR_{0,75}=0,517$. V primerjavi z ostalimi iz članka GOT10k je to 75,29 % izboljšanje AO. O hitrosti razvoja računalniškega vida priča primerjava z aktualno lestvico GOT10k, kjer je metoda GOCT 23,65 % slabša od najboljšega rezultata. Na podatkovni zbirki LaSOT sledilnik GOCT doseže $AO=0,471$, natančnost 0,453 in normalizirano natančnost 0,476, kar potrjuje zmožnost generalizacije na poljuben objekt. Nevronska mreža namreč ni dodatno učena na zbirki LaSOT, kljub temu pa metoda GOCT pripada najboljšim desetim rezultatom iz članka LaSOT. V delu je razvita tudi nekoliko slabša, vendar precej hitrejša mreža, ki je sposobna procesiranja 30FPS. Ključna omejitev za nadaljnje izboljšave je odpoved sledilnika GOCT ob prekrivanju navidez podobnih objektov.20232023-05-06 08:15:02Magistrsko delo/naloga145667sl