convolutional neural networks (CNNs)

АДАПТИВНЕ РОЗПІЗНАВАННЯ ОБ’ЄКТІВ ЗА ДОПОМОГОЮ ПІДХОДУ МЕТАНАВЧАННЯ ДЛЯ ДИНАМІЧНИХ СЕРЕДОВИЩ

Системам розпізнавання об’єктів часто важко підтримувати точність у динамічних середовищах через такі проблеми, як варіації освітлення, оклюзії та обмежені навчальні дані. Традиційні згорточні нейронні мережі (CNN) вимагають великих маркованих наборів даних і не здатні адаптуватися до нових умов. Це дослідження спрямоване на розробку адаптивної системи розпізнавання об’єктів, яка покращує узагальнення моделі та швидку адаптацію в мінливих середовищах.

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,