Повышение эффективности обнаружения объектов небольших размеров на 8К изображениях при использовании сверточных нейронных сетей

Abstract

Рассмотрено применение методики обнаружения объектов на изображениях формата 8К, которая предполагает пирамидальное представление изображения и блочную обработку с перекрытием на каждом уровне с использованием сверточной нейронной сети (СНС). В качестве СНС при обработке блоков применяется YOLOv4. Представлен анализ архитектуры данной СНС и описаны основные особенности, которые позволяют обеспечивать высокую результативность ее работы. Для проведения экспериментов по оценке эффективности предложенного подхода подготовлена база данных с размеченными объектами на изображениях формата 8К двух классов «человек» и «транспортное средство». Для оценки качества работы вычислялась величина mAP для различных сочетаний таких параметров, как степень пороговой уверенности YOLOv4 и процент взаимного пересечения блоков при иерархическом представлении 8К изображения. Приведены результаты исследований. The application of the method of object detection in 8K images, which assumes a pyramidal representation of the image and block processing with overlap at each level using a convolutional neural network (CNN) is considered. YOLOv4 is used as a CNN for blocks processing. The analysis of the architecture of this SNS is presented and the main features are described that allow ensuring high efficiency of its work. To conduct experiments to assess the effectiveness of the proposed approach, a database with marked objects in 8K images of two classes «person» and «vehicle» was prepared. To assess the quality of work, the mAP value was calculated for various combinations of such parameters as the degree of threshold confidence YOLOv4 and the percentage of mutual intersection of blocks in the hierarchical representation of an 8K image. Experimental results are presented.