СЕГМЕНТАЦІЙНЕ РОЗПІЗНАВАННЯ СКУПЧЕНЬ МЕХАНІЗОВАНИХ ОБ’ЄКТІВ НА ЗОБРАЖЕННІ МЕТОДАМИ ДВОЕТАПНОЇ СЕГМЕНТАЦІЇ НА БАЗІ R-CNN

Анотація

У статті розглядається важлива задача сегментаційного розпізнавання скупчень механізованих об'єктів на зображеннях з використанням методів сегментації на основі R-CNN. Скупчення транспортних засобів або інших механізованих об'єктів створюють значні проблеми в різних галузях, від управління заторами на дорогах та аналізу аварій дом цілеспрямованих операцій із застосуванням безпілотників. Точна ідентифікація меж об'єктів та оцінка їхньої кількості є важливими для ефективного прийняття рішень у таких сценаріях. Автори пропонують рішення, засноване на застосуванні моделей нейронних мереж Mask R-CNN та Cascade Mask R-CNN. Дослідження включає широкий огляд останніх досліджень, які застосовували архітектури Mask R-CNN і ResNet-50 для задач виявлення об'єктів, висвітлюючи їхні сильні сторони та обмеження, особливо в умовах змінної видимості. 
В експериментальному розділі результати демонструють перевагу каскадної архітектури Cascade mask R-CNN над архітектурою Mask R-CNN, що в більшості випадків забезпечує меншу похибку. Однак, в окремих випадках Mask R-CNN показав кращу продуктивність або був на рівні із Cascade mask R-CNN . Головним недоліком каскадної структури залишається складність в обчисленнях та вимоги до апаратного забезпчечення, що в свою чергу створює багато проблем 
Майбутня робота може бути зосереджена на оптимізації виведення моделі