Искусственный интеллект и машинное обучение

Обзорная статья

УДК 004.93
ББК 32.813.53
ГРНТИ 28.23.15
DOI 10.25209/2079-3316-2024-15-4-111-151

Аналитический обзор архитектур, моделей, методов и алгоритмов для локализации и трекинга неригидных объектов

Григорий Глебович Гриценко¹, Виталий Петрович Фраленко²

1,2	Институт программных систем им. А. К. Айламазяна РАН, Веськово, Россия
1	GregorGre@mail.ru

Аннотация. Компьютерное зрение требует анализа видеопотока, включающего извлечение информации из кадров, обнаружение определенных объектов и сбор данных о них. После обнаружения часто требуется выполнять трекинг или слежение за объектами в видеопотоке. Неригидность или изменчивость формы препятствует анализу объектов, усложняет их обнаружение и трекинг и ухудшает локализацию.

В обзоре рассмотрены архитектуры, модели, методы и алгоритмы, применяемые на практике при обнаружении и отслеживании неригидных объектов, и выделены перспективные решения.

Ключевые слова: неригидный объект, искусственная нейронная сеть, глубокое обучение, локализация объектов, трекинг объектов, обнаружение пожаров и задымлений, анализ медицинских изображений

Благодарности: Исследование выполнено за счет гранта Российского научного фонда № 22-11-20001 и гранта в форме субсидии из областного бюджета организациям Ярославской области.

Для цитирования: Гриценко Г. Г., Фраленко В. П. Аналитический обзор архитектур, моделей, методов и алгоритмов для локализации и трекинга неригидных объектов // Программные системы: теория и приложения. 2024. Т. 15. № 4. С. 111–151. https://psta.psiras.ru/2024/4_111-151.

Полный текст статьи (PDF): https://psta.psiras.ru/read/psta2024_4_111-151.pdf.

Статья поступила в редакцию 08.10.2024; одобрена после рецензирования 22.12.2024; принята к публикации 22.12.2024; опубликована онлайн 26.12.2024.