Исследование алгоритмов сегментации видеоданных на основе пирамидальной сети анализа сцены

Abstract

В работе рассматривается применение нейросетевой модели Pyramid Scene Parsing Network (PSPNet) для решения задачи семантической сегментации видеопотоков. Одной из ключевых проблем современных алгоритмов компьютерного зрения является недостаточное использование глобального контекста сцены, что приводит к ошибкам при распознавании объектов. PSPNet решает эту проблему за счет модуля пирамидального объединения, который позволяет учитывать информацию с разных масштабов изображения. В ходе исследования проведено сравнение PSPNet с другими популярными моделями сегментации (DeepLabv3, UNet, FPN и др.), а также предложена модификация PSPNet с дополнительными сверточными слоями. Проведенные эксперименты на наборах данных SimpleOxfordPetDataset и Mapillary Vistas Dataset показали, что улучшенная версия PSPNet демонстрирует снижение потерь сегментации (Dice Loss) при незначительном увеличении вычислительных затрат. Результаты работы могут быть полезны для разработки интеллектуальных систем видеонаблюдения, автоматическог