Dissertação
Using Background Subtraction to Enhance YOLO’s Detection of Small and Dynamic Objects EVALUATED
Nesta dissertação estuda-se a integração da máscara produzida por um algoritmo de extração de fundo (em inglês background subtraction) com o YOLOv7. A ideia é usar a sensibilidade dos algoritmos de extração de fundo para detetar objetos em movimento e a precisão já comprovada do YOLOv7 para, juntamente, criar um sistema capaz de detetar objetos em movimento e melhorar a deteção de objetos pequenos, muitas vezes ignorados por modelos de deteção de objetos. Para este fim, a máscara será usada como um quarto canal nas imagens de input, convertendo imagens RGB em imagens RGBA. Para este estudo foi necessário a criação de uma ferramenta semi-automática de anotação, que usa as deteções iniciais do YOLOv7 e depois permite a correção manual das mesmas, de forma a ter um dataset que apenas identifica os objetos em movimento. Tendo em conta os diferentes objectivos deste novo modelo e do YOLOv7, que está optimizado para detetar todos os objectos e não apenas os que estão em movimento, o desempenho dos dois na deteção de pequenos objectos foi comparado, atingindo resultados semelhantes. Considerando o pequeno dataset utilizado para treinar o novo modelo, em comparação com o dataset muito completo utilizado para treinar o YOLOv7, o facto dos resultados serem muito próximos mostra um grande potencial para a integração do quarto canal.
junho 25, 2024, 14:0
Documentos da dissertação ainda não disponíveis publicamente
Orientação
ORIENTADOR
Arlindo Manuel Limede de Oliveira
Departamento de Engenharia Informática (DEI)
Professor Catedrático