Методы обнаружения объектов на изображениях
Покупка
Новинка
Издательство:
Политех-Пресс
Год издания: 2025
Кол-во страниц: 119
Возрастное ограничение: 18+
Дополнительно
Вид издания:
Учебное пособие
Уровень образования:
ВО - Бакалавриат
ISBN: 978-5-7422-8913-5
Артикул: 896936.01.99
В пособии рассмотрены основные классы методов решения задачи обнаружения объектов на изображениях, а также алгоритмы, основанные на применении аппарата глубоких нейронных сетей. Адресовано студентам и аспирантам образовательных учреждений высшего образования, обучающимся по направлениям «Мехатроника и робототехника», «Автоматизация технологических процессов и производств». Может быть использовано при работе со студентами всех форм обучения - очной, заочной, очно-заочной.
Табл. 13. Ил. 68. Библиогр.: 103 назв.
Тематика:
ББК:
УДК:
ОКСО:
- ВО - Бакалавриат
- 15.03.04: Автоматизация технологических процессов и производств
- 15.03.06: Мехатроника и роботехника
ГРНТИ:
Скопировать запись
Фрагмент текстового слоя документа размещен для индексирующих роботов
Санкт-Петербург Министерство науки и высшего образования Российской Федерации САНКТ-ПЕТЕРБУРГСКИЙ ПОЛИТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ ПЕТРА ВЕЛИКОГО Институт машиностроения, материалов и транспорта Высшая школа автоматизации и робототехники А. В. Бахшиев М. С. Ананьевский А. С. Габриель МЕТОДЫ ОБНАРУЖЕНИЯ ОБЪЕКТОВ НА ИЗОБРАЖЕНИЯХ Учебное пособие
Бахшиев А. В., Ананьевский М. С.,
Габриель А. С., 2025
© Санкт-Петербургский политехнический
университет Петра Великого, 2025
ISBN 978-5-7422-8913-5
doi:10.18720/SPBPU/2/id25-1
ББК 32.818.1я73
Б30
Р е ц е н з е н т – кандидат технических наук, профессор, доцент
Высшей школы автоматизации и робототехники Санкт-Петербургского
политехнического университета Петра Великого Л. А. Станкевич
Бахшиев А. В. Методы обнаружения объектов на изображениях : учеб.
пособие / А. В. Бахшиев, М. С. Ананьевский, А. С. Габриель. – СПб. :
ПОЛИТЕХ-ПРЕСС, 2025. – 119 с.
В пособии рассмотрены основные классы методов решения задачи обнаружения объектов на изображениях, а также алгоритмы, основанные на
применении аппарата глубоких нейронных сетей.
Адресовано студентам и аспирантам образовательных учреждений высшего образования, обучающимся по направлениям «Мехатроника и робототехника», «Автоматизация технологических процессов и производств».
Может быть использовано при работе со студентами всех форм обучения –
очной, заочной, очно-заочной.
Табл. 13. Ил. 68. Библиогр.: 103 назв.
Печатается по решению
Совета по издательской деятельности Ученого совета
Санкт-Петербургского политехнического университета Петра Великого
Ministry of Science and Higher Education of the Russian Federation PETER THE GREAT ST. PETERSBURG POLYTECHNIC UNIVERSITY Saint-Petersburg 2025 Institute of Machinery, Materials, and Transport Graduate School of Automation and Robotics A. V. Bakhshiev M. S. Ananievskiy A. S. Gabriel METHODS OF OBJECT DETECTION IN IMAGES Training manual
Bakhshiev A. V.,
Ananievskiy M. S.,
Gabriel A. S., 2025
© Peter the Great St. Petersburg
Polytechnic University, 2025
R e v i e w e r – Candidate (PhD) of Engineering, professor, associate professor
at the Graduate School of Automation and Robotics of Peter
the Great St. Petersburg Polytechnic University L. A. Stankevich
Bakhshiev A. V. Methods of object detection in images : training manual / A. V. Bakhshiev, M. S. Ananievskiy, A. S. Gabriel. – St. Petersburg:
POLYTECH-PRESS, 2025. – 119 p.
The manual considers the main classes of methods to solving the problem of object detection in images, as well as algorithms based on the application of deep neural
networks.
It is intended for students and postgraduates of educational institutions of higher education, studying in the majors “Mechatronics and robotics”, “Automation
of technological processes and production”. It can be used when working with students of all modes of study - full-time, extramural, part-time.
Tables: 13. Figures: 68. References: 103 titles.
Printed by decision
of the Council on Publishing Activities of the Academic Board
of Peter the Great St. Petersburg Polytechnic University.
ISBN 978-5-7422-8913-5
doi:10.18720/SPBPU/2/id25-1
ОГЛАВЛЕНИЕ Введение..................................................................................................... 7 1. Постановка задачи обнаружения объектов............................................14 2. Методы обнаружения объектов в техническом зрении...........................16 2.1. Методы вычитания фона................................................................16 2.2. Методы разности кадров................................................................17 2.3. Метод оптического потока.............................................................18 2.4. Методы, основанные на модели.....................................................19 2.5. Методы, основанные на признаках...............................................20 2.6. Методы, основанные на нейронных сетях....................................22 2.7. Метрики для оценки работы алгоритма обнаружения..................23 3. Нейронные сети в задачах обнаружения объектов.................................27 3.1. Математическое описание элементов нейросетевых архитектур......27 3.1.1. Полносвязный слой.................................................................29 3.1.2. Сверточный слой....................................................................30 3.1.3. Слой подвыборки....................................................................32 3.1.4. Слой нормализации батча......................................................33 3.2. Математическое описание процесса обучения.............................35 3.2.1. Стохастический градиентный спуск......................................36 3.2.2. Стохастический градиентный спуск с инерцией..................37 3.2.3. Метод адаптивного градиента................................................37 3.2.4. Метод адаптивного скользящего среднего градиентов.........38 3.2.5. Метод адаптивного шага обучения........................................38 3.2.6. Метод адаптивной инерции...................................................39 3.3. Современные нейронные сети для обнаружения объектов..........39 3.4. Описание архитектур глубоких нейронных сетей для решения задачи обнаружения объектов на изображениях.................................41 3.4.1. AlexNet.....................................................................................42 3.4.2. Архитектуры VGG-16, VGG-19..............................................43 3.4.3. Residual Network......................................................................45 3.4.4. Архитектура Faster R-CNN....................................................46 3.4.5. SSD..........................................................................................47 3.4.6. YOLO.......................................................................................49
3.4.7. YOLOv2....................................................................................51 3.4.8. Модификация YOLOv2...........................................................54 3.4.9. Структура YOLOv5..................................................................57 3.4.10. Изменения в YOLOv8............................................................61 3.4.11. Алгоритм Non-maximum Suppression....................................62 3.4.12. Архитектура SqueezeDet........................................................63 3.4.13. Сравнительный анализ SqueezeDet и YOLO........................65 4. Программные пакеты для обучения и инференса глубоких нейронных сетей.........................................................................................70 4.1. Caffe..................................................................................................70 4.2. Torch................................................................................................71 4.3. Theano..............................................................................................71 4.4. DeepLearnToolbox для MATLAB ....................................................72 4.5. TensorFlow.......................................................................................72 4.6. Keras.................................................................................................73 5. Практические задачи обнаружения объектов.........................................74 5.1. Обнаружение объектов дорожной обстановки..............................74 5.1.1. Обнаружение людей................................................................74 5.1.2. Обнаружение транспортных средств......................................82 5.1.3. Обнаружение дорожных знаков и светофоров..................... 90 5.1.4. Наборы данных для обнаружения объектов дорожной обстановки...................................................................................... 94 5.2. Обнаружение подвижных объектов в стационарных системах видеоаналитики.....................................................................................98 5.2.1. Задачи анализа видео..............................................................98 5.2.2. Обзор методов обнаружения подвижных объектов на изображениях..............................................................................99 5.2.3. Обзор способов применения нейронных сетей в задачах обнаружения объектов на изображениях......................................101 5.3. Обнаружение подводных объектов.........................................104 Заключение.............................................................................................109 Библиографический список .................................................................. 110
ВВЕДЕНИЕ За последние двадцать лет в компьютерной технике произошел значительный количественный рост в вычислительных мощностях и системах хранения данных. Этот рост обеспечил возможность перехода к практическому решению качественно новых задач. По сравнению с началом 2000-х годов емкость накопителей на жестких магнитных дисках (HDD) увеличилась в тысячу раз: с десятков гигабайт до десятков терабайт. Рекорд по скорости печати текста на клавиатуре сегодня составляет 1 060 знаков в минуту. Если непрерывно печатать с этой рекордной скоростью около ста лет, то совокупный объем созданных данных составит всего 0,052 терабайта. Если учесть реальную скорость печати и возможности по сжатию текстовых данных, то, скорее всего, для хранения текстовой части всех электронных писем и всех сообщений в мессенджерах всех россиян за один календарный год будет достаточно пары дисков. Вычислительные мощности процессоров общего назначения с начала века выросли в 500 с лишним раз. В разы увеличилась рабочая частота, появилась многопоточность. Изменилась разрядность вычислений: произошел массовый переход с 32- на 64-битные архитектуры. Набор инструкций микропроцессоров обогатился большим количеством новых, сложных операций, в том числе с разрядностью 512 бит. Объем физической оперативной памяти, адресуемый одним процессором, сегодня может составлять восемь терабайт. Еще более впечатляющим выглядит рост производительности суперкомпьютеров: с начала 2000-х годов она выросла в 140 тыс. раз. Это стало возможным благодаря научно-техническому прогрессу сразу по нескольким направлениям:
– скорость передачи данных: пропускная способность современных сетевых интерфейсов может достигать 200 Гбит/с; – система управления суперкомпьютером: современное программное обеспечение позволяет управлять одновременной согласованной работой более чем 100 тыс. физических узлов, объединять их в сеть со сложной топологией для эффективного обмена данными, а также создавать среду и предоставлять инструменты для эффективного распределения вычислений (разница между теоретической и практической производительностью за 20 лет сократилась с 50 до 20 %, и это при том, что количество узлов выросло в 150 раз); – производительность процессоров: за 20 лет производительность процессоров общего назначения выросла в 500 раз, появились специализированные вычислительные модули, нацеленные на параллельные вычисления и обладающие огромной производительностью в десятки терафлопс в секунду (можно установить несколько в одну материнскую плату). Самый производительный на сегодняшний день суперкомпьютер Frontier при полной загрузке потребляет 21 мегаватт электроэнергии. Эксплуатировать суперкомпьютеры – дорого, строить и разрабатывать их – очень дорого. Стремительное развитие этой отрасли свидетельствует о мощном экономическом базисе, о том, что в развитых странах промышленность совершает очередной эволюционный переход, и суперкомпьютеры становятся для нее необходимым инструментом, без которого уже невозможно достичь нового технологического уровня производства в самых разных отраслях народного хозяйства. Отдельные специализированные вычислительные модули, находящиеся в свободной продаже и доступные по цене массовому потребителю, уже превосходят по мощности самые производительные суперкомпьютеры начала 2000-х годов. Их массовое производство означает, что потребность в вычислительных мощностях есть не только у крупного, но и у мелкого бизнеса. Увеличение вычислительной мощности в 140 тыс. раз означает, что если алгоритм допускает ускорение путем распределения вычислений, то тогда то, для чего 20 лет назад требовалось
три месяца счета, сегодня можно посчитать за одну минуту, а за те же три месяца перебрать 140 тыс. различных вариантов с разными входными данными. Такие возможности существенно расширили круг задач, для которых можно не только теоретически, но и практически найти решение методами численного моделирования или грубым (умным) перебором вариантов. Изобилие и массовая доступность вычислительных мощностей во многих случаях позволили переложить сложность аналитического нахождения точного решения задачи на численные расчеты путем построения систем общего вида и их последующего обучения (оптимизации) под решение выбранного класса задач. Этот подход получил название «машинное обучение». Влияние машинного обучения на экономику Прогресс в технологиях машинного обучения создает предпосылки для глубокой автоматизации мировой экономики и значительного прироста производительности труда. Массовое внедрение систем искусственного интеллекта в технологические и производственные процессы может оказать в ближайшее десятилетие шоковое влияние на экономики многих стран. Точные экономические последствия предсказать проблематично, тем не менее выделяют пять основных эффектов [1, 2]: 1) общий рост производительности труда; 2) изменение списка востребованных профессиональных навыков на рынке труда, включая общее увеличение потребности в высококвалифицированных технических специалистах; 3) неравномерное распределение эффекта среди разных секторов экономики, уровня зарплат, кадровой подготовки, групп профессий, географического местоположения; 4) перестройка рынка труда: некоторые профессии исчезнут, некоторые появятся; 5) рост технологической безработицы в краткосрочной, а возможно, и в долгосрочной перспективе. Существует большая неопределенность в том, насколько сильными и быстрыми окажутся эти эффекты. Возможно, что
изменения будут медленными, без дестабилизации экономических систем, или, наоборот, они будут быстрыми и вызовут экономический шок. Автоматизация технологических и производственных процессов позволяет наращивать производственные мощности, улучшать качество продукции, ускорять и оптимизировать процессы управления, повысить безопасность труда и отстранить человека от выполнения опасных работ. Для многих задач автоматизация позволяет достигать показателей, которые в принципе невозможно достичь ручным трудом. Исторический опыт свидетельствует, что автоматизация также повышает производительность труда: в США в 1900 году на сектор сельского хозяйства приходилось около 40 % рабочих мест, к 2000 году этот показатель снизился до 2 %. Существующие на сегодняшний день технологии позволяют полностью автоматизировать менее 5 % профессий в США. Детальный анализ [3] свидетельствует о широких возможностях для частичной автоматизации: для 60 % должностей можно автоматизировать 30 % их рабочих обязанностей. Наиболее благоприятными для автоматизации являются профессии, связанные со сбором и обработкой данных (потенциал автоматизации до 70 %), и физическая работа в предсказуемом окружении (потенциал автоматизации до 80 %). Методы машинного обучения Общей характерной чертой методов машинного обучения является непрямое решение задачи, то есть система программируется не на решение конкретной задачи, а на обучение решению множества сходных задач. Наиболее активно в последнее десятилетие развиваются подходы, основанные на искусственных нейронных сетях. Математическая составляющая проблемы обучения искусственных нейронных сетей может быть сформулирована как решение задачи оптимизации следующего функционала: ( ) ( ) ( ) * ∈ = − → ∑ 2 , , min T w x X Q w f x w f x