semantic segmentation

СЕЛЕКТИВНЕ ШИФРУВАННЯ ВІДЕОІНФОРМАЦІЇ НА ОСНОВІ СЕМАНТИЧНОЇ СЕГМЕНТАЦІЇ З ВИКОРИСТАННЯМ НЕЙРОННОЇ МЕРЕЖІ U-NET

У цифрову епоху відеоінформація посіла провідне місце серед типів даних за обсягом і значущістю. Щоденно великі масиви візуальних даних створюються за допомогою відеокамер, мобільних гаджетів, безпілотників і мережевих сервісів, при цьому значна частина цього контенту може містити персональні або конфіденційні відомості. Хоча традиційне повне шифрування відеопотоку гарантує високий рівень захисту, воно супроводжується низкою недоліків: високим навантаженням на обчислювальні ресурси, затримками під час передачі даних і складнощами в реалізації обробки в реальному часі.

Improving pedestrian segmentation using region proposal-based CNN semantic segmentation

Pedestrian segmentation is a critical task in computer vision, but it can be challenging for segmentation models to accurately classify pedestrians in images with challenging backgrounds and luminosity changes, as well as occlusions.  This challenge is further compounded for compressed models that were designed to deal with the high computational demands of deep neural networks.  To address these challenges, we propose a novel approach that integrates a region proposal-based framework into the segmentation process.  To evaluate the performance of the proposed framework,