Dissertação

An Attentional Architecture for CNN-Based Visual Detection and Tracking EVALUATED

Neste trabalho apresenta-se um sistema completo para a tarefa de deteção e seguimento visuais de embarcações no cenário marítimo. Este tipo de cenário apresenta dificuldades particulares que requerem atenção adicional, como a refleção do sol atingir o equipamento de gravação, o padrão de arrasto das embarcações causado pelo seu movimento, e o movimento rápido dos objetos de interesse. Por forma a lidar com este tipo de desafios, considerações adicionais são necessárias. Estas considerações aumentam a robustez do sistema final e permitem atingir desempenho de estado da arte. O sistema de seguimento usa um filtro de correlação com \textit{features} visuais extraídas a partir de uma CNN e o detetor usa outra CNN para a tarefa de indicar a localização de cada embarcação marítima. O sistema proposto utiliza um modelo de atenção de forma a gerir melhor os recursos computacionais e combinar as duas tarefas, deteção e seguimento, que tem requisitos computacionais distintos, de maneira a que seja possível trabalharem em sincronia e atinjam desempenho de tempo real. O sistema proposto é avaliado numa suíte de testes própria e os resultados obtidos são discutidos. Os resultados mostram que utilizar um modelo de atenção baseado num filtro Bayesiano traz vantagens relativamente às abordagens a modelos de atenção restantes, especialmente nos cenários com uma grande densidade de embarcações marítimas. O conjunto de dados utilizado nas avaliações em sequeências reais foram obtidas no âmbito do projeto SEAGULL.
CNN, Correlação, KCF, Modelo de Atenção, Rede Neuronal

Novembro 17, 2017, 9:0

Documentos da dissertação ainda não disponíveis publicamente

Orientação

ORIENTADOR

Jorge Dos Santos Salvador Marques

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Associado

ORIENTADOR

Alexandre José Malheiro Bernardino

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Associado