معالجة ما بعدية قوية وفعالة لكشف الكائنات في الفيديو (REPP)

تمييز الكائنات في الفيديو يُعد مهمة مهمة لعدد كبير من التطبيقات، بما في ذلك إدراك القيادة الذاتية، ومهام المراقبة، والأجهزة القابلة للارتداء، وشبكات إنترنت الأشياء (IoT). يُعد تمييز الكائنات باستخدام بيانات الفيديو أكثر تحديًا من استخدام الصور الثابتة بسبب الاضمحلال (blur)، والاختناقات (occlusions)، أو الوضعيات النادرة للكائنات. تحقق النماذج الحالية الأفضل في المجال من خلال استخدام كاشفات فيديو مخصصة ذات تكلفة حسابية عالية، أو باستخدام كاشفات صور قياسية مع خوارزمية ما بعد المعالجة السريعة. تقدم هذه الدراسة نموذجًا جديدًا لخط أنابيب ما بعد المعالجة يتجاوز بعض القيود التي كانت تواجهها الطرق السابقة من خلال إدخال تقييم مبني على التعلّم للتشابه بين الكشفات عبر الإطارات المختلفة. يُحسّن هذا الأسلوب نتائج كاشفات الفيديو المتطورة حاليًا، خاصةً فيما يتعلق بالكائنات السريعة الحركة، ويُظهر متطلبات موارد منخفضة. كما يمكن تطبيقه على كاشفات الصور الثابتة الفعالة، مثل YOLO، لتقديم نتائج مماثلة للكاشفات الأكثر تكلفةً من حيث الحوسبة.