مصنع المسارات: تقسيم وإعادة توصيل المسار القصير باستخدام الشبكة العصبية التوأم العميقة Bi-GRU لتتبع الأهداف المتعددة
تعقب الأهداف المتعددة (MOT) هو مهمة صعبة في المشاهد المعقدة مثل المراقبة والقيادة الذاتية. في هذا البحث، نقترح طريقة معالجة مسارات جديدة لفصل وإعادة ربط المسارات في الحشود أو عند حدوث إخفاء طويل الأمد باستخدام وحدة التكرار الثنائية ذات البوابة السامية (Siamese Bi-Gated Recurrent Unit - GRU). يتم استخدام خصائص الأهداف المستخرجة بواسطة الشبكات العصبية التلافيفية (CNN) والشبكات العصبية التكرارية (RNN) لإنشاء مرشحات المسارات عالية الثقة في السيناريوهات النادرة. نتيجة للتعقب الخاطئ خلال عملية الإنشاء، يتم تقسيم المسارات المنتمية إلى أهداف مختلفة إلى عدة مسارات فرعية بواسطة وحدة GRU ثنائية الاتجاه. بعد ذلك، يتم تطبيق طريقة إعادة ربط المسارات القائمة على وحدة GRU السامية لربط المسارات الفرعية التي تنتمي إلى نفس الهدف وإنشاء مسار كامل. بالإضافة إلى ذلك، قمنا باستخراج صور المسارات من مجموعات البيانات الموجودة لـ MOT واقتراح مجموعة بيانات جديدة لتدريب شبكاتنا. تحتوي المجموعة المقترحة على أكثر من 95160 صورة للمشاة، وتضم 793 شخصًا مختلفًا. بمتوسط 120 صورة لكل شخص مع مواقع وأحجام. تظهر النتائج التجريبية المزايا التي يوفرها نموذجنا على أفضل الأساليب الحالية في MOT16.