Разработка подхода к модификации и адаптации нейросети YOLO к задачам распознавания на инфракрасных изображениях

Краткая аннотация:

Распознавание объектов на телевизионных изображениях в настоящее время широко используется во многих направлениях деятельности: в медицине, в обеспечении правопорядка, в маркетинге, в системах регулирования движения автомобилей и т.д. Изобилие полученных в различных условиях фотографий и видеокадров позволило создать наборы изображений, охватывающие множество классов объектов (от цифр до самолётов). Так, набор данных ImageNet содержит 14 миллионов изображений, разбитых на 21 тысячу категорий. На основе таких обширных наборов данных стало возможно эффективное функционирование алгоритмов распознавания объектов, основанных на использовании нейронных сетей. Оптимальное соотношение точности и времени (скорости) распознавания объектов имеют свёрточные нейронные сети, что обусловлено особенностями их алгоритмов обработки изображений. При этом в соответствии с известными результатами исследований лучшие результаты по распознаванию среди нейронных сетей указанного типа демонстрирует нейронная сеть архитектуры YOLO. В России и за рубежом данная нейронная сеть активно используется для задач распознавания объектов различных классов в видимом спектре. Однако, только за рубежом проводится модификация и адаптация данной нейросети к задачам распознавания на инфракрасных изображениях, в частности, для обнаружения утечек тепла, отслеживания и поиска людей, техники и т.д. Выбор инфракрасного спектра для таких задач обуславливается тем, что из-за пёстрого подстилающего фона и явлений частичного или полного перекрытия видимости одного объекта другим, объекты в видимом диапазоне в ряде случаев крайне сложно распознать. В связи с чем, разработан подход к модификации и адаптации нейросети YOLO к задачам распознавания на инфракрасных изображениях.