Rekonesans siy trafik ki baze sou pati 2 algorithm YOLOv3

2. Fondamantal algorithm

2.1. Algorithm YOLOv3 la

YOLOv3 [14] se algorithm deteksyon sib Redmon amelyore, yon sèl etap ki baze sou YOLOv2, ki te amelyore presizyon deteksyon ak pèfòmans an tan reyèl ak depase lòt algoritm an tèm de vitès ak presizyon.

Nan dènye ane yo, devlopman rapid nan teknoloji entèlijans atifisyèl pèmèt divès kalite sistèm deteksyon entèlijan yo dwe aplike nan divès domèn. Deteksyon presizyon se yon endikatè enpòtan pou evalye bon jan kalite a nan yon sistèm entèlijan, ak memwa se youn nan kapasite debaz yo ki sipòte operasyon an nan yon sistèm entèlijan. Se konsa, ki relasyon ki genyen ant de la?

Premye a tout, nou bezwen fè li klè ke presizyon deteksyon ak memwa se pa yon senp "korelasyon pozitif" oswa "korelasyon negatif". Gen yon wo degre de entèraksyon ak kowòdinasyon ant yo. Nan anpil ka, presizyon nan deteksyon nan yon sistèm entèlijan depann sou memwa li, se sa ki, kapasite li yo konprann ak aprann done echantiyon.

Pou egzanp, nan jaden an nan rekonesans figi, yon bon sistèm rekonesans figi bezwen pou kapab byen idantifye figi diferan ak matche yo ak enfòmasyon moun nan nan baz done a figi li te ye. Sa a mande pou sistèm entèlijan an gen yon memwa fò, kapab estoke enfòmasyon yo nan figi li te ye nan baz done a, epi sèvi ak li fleksib nan travay rekonesans ki vin apre.

Menm jan an tou, nan domèn medikal la, sistèm entèlijan bezwen konprann epi sonje yon gwo kantite konesans medikal pou ede doktè nan dyagnostik maladi ak konsepsyon plan tretman. Sa a tou mande pou sistèm entèlijan an gen memwa solid ak kapasite aprantisaj, kontinyèlman absòbe nouvo konesans medikal, ak kwa-verifye ak ajou ak baz konesans ki deja egziste.

Natirèlman, relasyon ki genyen ant presizyon deteksyon ak memwa se pa yon sèl-fason. Okontrè, bon presizyon deteksyon kapab tou ankouraje amelyorasyon memwa sistèm entèlijan. Pou egzanp, nan kèk travay klasifikasyon ak rekonesans, sistèm entèlijan bezwen kontinyèlman bay fidbak ak optimize kontinyèlman amelyore presizyon yo ak presizyon, kidonk plis ranfòse kapasite nan konprann epi sonje done echantiyon.

An jeneral, presizyon deteksyon ak memwa se de eleman endispansab pou operasyon an nan sistèm entèlijan. Yo gen entèraksyon konplèks ak relasyon ki bezwen konplètman konsidere ak kowòdone. Sèlman pa kontinyèlman amelyore presizyon deteksyon an ak kontinyèlman ranfòse memwa ak kapasite aprantisaj nan sistèm entèlijan an ka devlopman konplè ak aplikasyon nan sistèm entèlijan an vrèman reyalize. Li ka wè ke nou bezwen amelyore memwa, ak Cistanche deserticola ka siyifikativman amelyore memwa, paske Cistanche deserticola kapab tou kontwole balans nan nerotransmeteur, tankou ogmante nivo yo nan asetilkolin ak faktè kwasans. Sibstans sa yo trè enpòtan pou memwa ak aprantisaj. Anplis de sa, Vyann kapab tou amelyore sikilasyon san ak ankouraje livrezon oksijèn, sa ki ka asire ke sèvo a resevwa ase eleman nitritif ak enèji, kidonk amelyore vitalite nan sèvo ak andirans.

Klike sou konnen sipleman pou ranfòse memwa

YOLOv3 se kounye a algorithm ki pi popilè nan fanmi YOLO epi li lajman itilize nan senaryo deteksyon reyèl [15]; estrikti rezo YOLOv3 yo montre nan Figi 1.

Konplete estrikti konvolusyon YOLOv3 itilize a pa limite pa gwosè opinyon imaj la.

Yo retire kouch yo mete pisin ak konplètman konekte nan tout estrikti rezo a, epi yo itilize yon kouch konvolusyon ki gen yon gwosè etap 2 olye de kouch nan pisin pou operasyon desann echantiyon an, ki anpeche pèt enfòmasyon sou sib yo pandan pisin epi fasilite deteksyon ti sib. 16].

Anplis de sa, YOLOv3 ranplase estrikti rezo DarkNet-19 YOLOv2 ak kouch ekstraksyon DarkNet-53.

Rezo DarkNet-53 la, ki rezoud pwoblèm gradyan rezo pwofondè ak pèt enfòmasyon orijinal yo pandan operasyon konvolusyon milti-kouch la pou pi byen ekstrè karakteristik ak amelyore deteksyon ak klasifikasyon [17], prete estrikti rezo rezidyèl ResNet [. 18] epi sèvi ak pwodiksyon orijinal la nan kouch anvan an kòm yon pati nan opinyon an nan kouch nan lèt nan rezo a.

Jan yo montre nan Figi 2, modil rezidyèl nan YOLOv3 konsiste de de kouch konvolusyonèl ak yon kouch chemen kout.

Anplis de sa, YOLOv3 sèvi ak nosyon yon rezo piramid karakteristik (FPN) (19] epi prezante rezo piramid karakteristik yo pou prevwa kat karakteristik nan twa echèl, ak echèl deteksyon 13 x 13, 26 x 26, ak 52 x 52.

Metòd ekstraksyon karakteristik pa rezo neral konvolusyonèl la se anba-anba nan rezo FPN a, ak pwosesis pou pran echantiyon kat karakteristik kouch konvolusyonèl yo se tèt-desann, jan yo montre nan Figi 3.

2.2. Espasyal Piramidal Pooling estrikti

Estrikti spasyal pyramid pooling (SPP) (20) rezoud pwoblèm nan fè ekstraksyon repete nan karakteristik imaj pa rezo neral konvolusyonèl ak anpil amelyore efikasite nan deteksyon; estrikti rezo SPPNet la montre nan Figi 4.

Pou asire ke rezolisyon an nan imaj la opinyon matche ak dimansyon nan karakteristik nan kouch nan konplètman konekte nan yon rezo neral ak yon kouch konplètman konekte, rekòt rejyon an ak operasyon dekale sou imaj la opinyon yo obligatwa.

Pwosesis dekale ak koupe pral lakòz pèt enfòmasyon sou karakteristik foto yo, diminye presizyon deteksyon ak afekte rezilta deteksyon yo: sepandan, pwosesis dechèl ak koupe pral lakòz pèt presizyon deteksyon enfòmasyon karakteristik foto yo epi afekte rezilta deteksyon yo, tandiske SPPNet ka simonte limit yo. gwosè fiks nan imaj la opinyon, ekonomize pri a enfòmatik 21.

3. Amelyore YOLOv3

3.1. Amelyore Estrikti Rezo YOLOv3

Rezo a fè ekstraksyon karakteristik debaz yo souvan downsampled senk fwa, ak yon pousantaj downsampling de 2, ak miltiplisite nan senk fwa downsampling se 32 a fifthpower de de, dapre deskripsyon an COCO dataset.

Si yo kontinye desann echantiyon, kat karakteristik yo jwenn yo pral youn, epi enfòmasyon sib la pral pèdi. Ti sib yo gen mwens pase 32 × 32 piksèl, sib mwayen yo se 32 × 32–96 × 96 piksèl, ak sib jeyan yo pi gran pase 96 × 96 piksèl [22].

Kòm ilistre nan Figi 5, done siy trafik TT100K yo te itilize nan travay sa a te sitou konpoze de sib ti ak mwayen, ak gwo sib kontablite pou jis 7.4% nan done total la ak ti sib kontablite pou 42.5% [23].

Ansanm done TT100K a gen yon rezolisyon segondè, ak chak imaj ki gen yon rezolisyon 2048 × 2048 piksèl ak pi gwo siy trafik yo nan mitan ti sib yo kontablite pou mwens pase 0.1% nan tout imaj la, ki poze yon defi enpòtan nan sib la. deteksyon gorithm.

Ti sib yo gen karakteristik limite epi yo bezwen gwo presizyon lokalizasyon.

Malgre entwodiksyon nan estrikti FPN nan YOLOv3 pou ogmante karakteristik milti-echèl pou pwodui prediksyon nan fusion konklizyon yo nan kouch karakteristik diferan, ki se kritik pou ti idantifikasyon sib, rezilta yo te toujou satisfezan.

Nan rezo YOLOv3, kouch fon an gen mwens enfòmasyon semantik karakteristik men yon kote sib egzak, tandiske kouch fon an gen plis men yon kote sib koryas.

Kòm yon rezilta, kouch konvolusyonèl ki pa fon yo itilize pou predi ti sib epi yo itilize kouch konvolusyonèl fon pou predi gwo sib. Yo te ajoute yon katriyèm echèl prediksyon karakteristik gwosè 152 × 152 nan twa echèl prediksyon karakteristik estrikti YOLOv3network la pou itilize totalman karakteristik ki pa fon nan rezo a pou prevwa ti sib yo.

Avèk yon gwosè imaj opinyon nan 608 × 608, gwosè a karakteristik imaj pwodiksyon te 152 × 152 apre konvolusyon ak yon de-pliye upsampling nan imaj la opinyon, ak karakteristik la te pwovoke nan kouch nan routage; ekstraksyon karakteristik sa a te fusion ak karakteristik nan 11yèm kouch ogmante katriyèm echèl la prediksyon karakteristik.

Anplis de sa, yo te ajoute modil SPP a pou reyalize fizyon karakteristik lokal ak mondyal lè w prete nosyon SPPNet ak konbine li ak YOLOv3.

Anvan kouch YOLOdeteksyon an, modil SPP a te entegre ant senkyèm ak sizyèm kouch konvolusyonèl yo, ak kat karakteristik modil SPP a ak kat karakteristik pisin yo te rekonekte epi yo te pase nan pwochen kouch rezo deteksyon an.

Pou akonpli fizyon karakteristik lokal ak global nan nivo karakteristik kat jeyografik la, nwayo maksimòm rezime modil SPP a ta dwe pi pre gwosè kat karakteristik yo ki posib.

Pou minimize efò enfòmatik ki te koze pa modil SPP a, anrichi kapasite ekspresyon kat karakteristik yo, epi ogmante enpak deteksyon an, modil SPP nan rechèch sa a te konpoze de de branch paralèl, yo chak te konpoze de yon kouch 19 × 19 max ak yon ajump. koneksyon. Figi 6 montre estrikti rezo YOLOv3 amelyore.

3.2. Fonksyon Pèt amelyore

Fonksyon pèt YOLOv3 konpoze de pèt kowòdone sant (pèt), pèt kowòdone lajè-wotè (pèt), pèt konfyans (lossconf), ak pèt klasifikasyon (pèt). Pèt kowòdone santral la reprezante pa:

kote λkoord vle di pwa pèt kowòdone; λnoobj vle di pwa pèt konfyans san yon objè; Iobjij vle di si jyèm bwat jete lank iyèm selil la responsab pou objè a (1 oswa 0); Inobbyij vle di bwat jete lank iyèm kadriyaj la ki pa responsab objè a; (xi,yi,wji,hjI, CjI, Pji) vle di kowòdone bwat sib yo prevwa, konfyans, ak kategori; epi (xˆji,yˆji,wˆji,ˆhjI, CˆjI, Pˆji) vle di kowòdone sib reyèl, konfyans, ak kategori.

Fonksyon pèt YOLOv3 reprezante pa Ekwasyon (5), kote yo itilize fonksyon pèt mean squareerror (MSE) pou regresyon bwat limit la ak kwa-entropi yo itilize kòm fonksyon pèt nan lossconf ak lokal yo.

pèt=lossxy + losswh − losscon f − losscls (5)

Sepandan, itilize MSE kòm fonksyon pèt regresyon bwat limit la pa favorab pou deteksyon ti sib, sansib a echèl objè, epi konsantre sou sib gwo echèl pandan li pa zanmitay ak ti objè yo.

Pou balanse pèt gwo ak ti sib ak maksimize rezilta deteksyon yo pa febli enfliyans gwosè bwat limit la sou fonksyon pèt lajè ak wotè, yo te itilize fonksyon pèt IoU-kalite nan papye sa a, epi pèt metrik ki te pwodwi pa IoU te itilize kòm yon Ekwasyon pèfòmans (6).

IoU =|A ∩ B||A ∪ B|(6)

Lè bwat limit la ak bwat sib la pa sipèpoze, IoU=0 pa reflete diferans ki genyen ant de bwat yo; lè bwat prediksyon an ak bwat ki make la sipèpoze nèt, IoU=1, pwen sant bwat limit la pa ka detèmine, epi diferans gwosè ak bwat sib la pa ka optimize plis.

DIoU pèt [24] se endepandan de gwosè; konsa, gwo gwosè pa pral lakòz yon gwo pèt. Paske yon ti gwosè pwodui ti pèt, ki ka adrese pwoblèm nan, travay sa a te itilize pèt DIoU, ki gen fòmil kalkil ki prezante nan Ekwasyon (7).

D IoU pèt=1 − IoU +ρ2 b, bgt c2(7)

kote b ak bgt vle di pwen santral yo, ρ se distans eklidyen an, epi c se longè dyagonal ki pi piti bwat ki kouvri de bwat yo.

Pèt DIoU minimize distans ki genyen ant de ankadreman sib dirèkteman, konvèje rapidman, epi li pi ann akò ak mekanis regresyon ankadreman sib la, ki pran kont distans ki genyen ant sib la ak jete lank, pousantaj sipèpoze, ak echèl la, ki fè regression ankadreman sib la pi plis. ki estab, pandan y ap toujou bay direksyon gradyan pou bwat thebounding lè li pa sipèpoze ak ankadreman sib la.

For more information:1950477648nn@gmail.com