Том 13, № 4Страницы 96 - 108 Training Viola - Jones Detectors for 3d Objects Based on Fully Synthetic Data for Use in Rescue Missions with UAV
S.A. Usilin, V.V. Arlazarov, N.S. Rokhlin, S.A. Rudyka, S.A. Matveev, A.A. ZatsarinnyyВ работе рассматривается задача обучения детектора Виолы - Джонса для 3D объектов на примере надувного спасательного плота ПСН-10. Обучение детектора выполняется на полностью синтетическом обучающем наборе. В работе подробно рассматриваются способы моделирования надувного спасательного плота, водной поверхности, различных погодных условий. В качестве признакового пространства используются граничные признаки, позволяющие обучить детектор, устойчивый к различным условиям освещения. Для повышения вычислительной эффективности при вычислении значения градиента использовалась норма L1. Эффективность обученного детектора оценена в том числе на реальных данных, полученных в процессе спасательной операции траулера "Дальний Восток". Предложенный в работе способ обучения детекторов Виолы - Джонса может быть успешно использован в качестве составляющего элемента программно-аппаратных "ассистентов" БПЛА.
Полный текст- Ключевые слова
- машинное обучение; поиск объектов; Виола - Джонс; классификация; 3D-объекты; БПЛА; спасательная миссия.
- Литература
- 1. Hongyang Yu. The Unmanned Aerial Vehicle Benchmark: Object Detection, Tracking and Baseline / Hongyang Yu, Guorong Li, Weigang Zhang, Qingming Huang, Dawei Du, Qi Tian, Nicu Sebe // International Journal of Computer Vision. - 2020. - V. 128, № 5. - P. 1141-1159.
2. Dumin, D. Application of Installed Systems of GSM-Device Detection on UAVs for Searching Victim in Result of Emergency Situations / D. Dumin, T.D. Dinh, V.D. Pham, R. Kirichek // Information Technologies and Telecommunications. - 2018. - V. 6, № 2. - P. 62-69.
3. Матвеев, С.А. Бортовой комплекс информационной поддержки проведения поисково-спасательных операций в условиях Арктики / С.А. Матвеев, С.А. Рудыка, Ю.В. Петров, А.С. Жданов // Вопросы радиоэлектроники. - 2019. -№ 6. - С. 30-37.
4. Гармаш, В.Н. Комплексирование информации от разнородных источников в бортовых комплексах обеспечения поисково-спасательных операций / В.Н. Гармаш, Д.М. Коробочкин, С.А. Матвеев, Ю.В. Петров, С.А. Рудыка, Т.М. Сухов // Вопросы радиоэлектроники. - 2018. - №. 7. - С. 30-37.
5. Матвеев, С.А. Вертолетный комплекс информационной поддержки безопасности полетов и проведения поисково-спасательных операций / С.А. Матвеев, А.Н. Бызов, С.Ю. Быстров, В.Н. Гармаш, С.И. Исенков, Д.М. Коробочкин, Ю.В. Петров, С.А. Рудыка, С.Ю. Страхов, А.Н. Сырцев // Вестник Кыргызско-российского славянского университета. - 2018. - Т. 18, № 12. - С. 60-64.
6. Leira, F.S. Automatic Detection, Classification and Tracking of Objects in the Ocean Surface from UAVs Using a Thermal Camera / F.S. Leira, T.A. Johansen, T.I. Fossen // IEEE Aerospace Conference, Big Sky, USA. - 2015. - P. 1-10.
7. Dawei Du. The Unmanned Aerial Vehicle Benchmark: Object Detection and Tracking / Dawei Du, Yuankai Qi, Hongyang Yu, Yifan Yang, Kaiwen Duan, Guorong Li, Weigang Zhang, Qingming Huang, Qi Tian // Proceedings of the European Conference on Computer Vision. - 2018. - P. 370-386.
8. Matalov, D.P. Single-Sample Augmentation Framework for Training Viola-Jones Classifiers / D.P. Matalov, S.A. Usilin, V.V. Arlazarov // 12th International Conference on Machine Vision, Munich, Germany. - 2020. - № 11433. - P. 1-9.
9. Емельянов, С.О. Методы аугментации обучающих выборок в задачах классификации изображений / С.О. Емельянов, А.А. Иванова, Е.А. Швец, Д.П. Николаев // Сенсорные системы. - 2018. - Т. 32, № 3. - С. 236-245.
10. Арлазаров, В.В. Моделирование потока результатов распознавания символов в видеопоследовательностях / В.В. Арлазаров, О.А. Славин, А.В. Усков, И.М. Янишевский // Вестник ЮУрГУ. Серия: Математическое моделирование и программирование. - 2018. - Т. 11, № 2. - С. 14-28.
11. Булатов, К.Б. Метод уменьшения числа ошибок распознавания строки, основанный на комбинировании множества результатов распознавания с использованием альтернатив символов / К.Б. Булатов // Вестник ЮУрГУ. Серия: Математическое моделирование и программирование. - 2019. - Т. 12, № 3. - С. 74-88.
12. Chernyshova, Y.S. Two-Step CNN Framework for Text Line Recognition in Camera-Captured Images / Y.S. Chernyshova, A.V. Sheshkus, V.V. Arlazarov // IEEE Access. - 2020. - № 8. - P. 32587-32600.
13. Gayer, A.V. Artificial Training Data Generation for the Task of Character Recognition of Fields of Russian Passport / A.V. Gayer, Y.S. Chernyshova, A.V. Sheshkus // Sensory Systems. - 2018. - V. 32, № 3. - P. 230-235.
14. Danielczuk, M. Segmenting Unknown 3D Objects from Real Depth Images using Mask R-CNN Trained on Synthetic Data / M. Danielczuk, M. Matl, S. Gupta, A. Li, A. Lee, J. Mahler, K. Goldberg // International Conference on Robotics and Automation. - 2019. - P. 7283-7290.
15. Akimov, A.V. Synthetic Data Generation Models and Algorithms for Training Image Recognition Algorithms Using the Viola-Jones Framework / A.V. Akimov, A.A. Sirota // Computer Optics. - 2016. - V. 40, № 6. - P. 911-918.
16. Mogelmose, A. Learning to Detect Traffic Signs: Comparative Evaluation of Synthetic and Real-World Datasets / A. Mogelmose, M.M. Trivedi, T.B. Moeslund // Proceedings of the 21st International Conference on Pattern Recognition. - 2012. - P. 3452-3455.
17. Afanasyev, I.I. Analysis of the Rescue Assets Range of the Russian Navy / I.I. Afanasyev, V.N. Laptev, V.P. Pirogov // Scientific Bulletin of the Volsk Military Institute of Material Support: Military Scientific Journal. - 2015. - № 2. - P. 150-154.
18. Viola, P. Rapid Object Detection Using a Boosted Cascade of Simple Features / P. Viola, M. Jones // Computer Vision and Pattern Recognition. - 2001. - № 1. - P. 511-518.
19. Viola, P. Robust Real-Time Object Detection / P. Viola, M. Jones // International Journal of Computer Vision. - 2001. - № 4. - P. 34-47.
20. Papageorgiou, C.P. A General Framework for Object Detection / C.P. Papageorgiou, M. Oren, T. Poggio // Sixth International Conference Computer Vision. - 1998. - V. 6, № 1. - P. 555-562.
21. Lewis, J.P. Fast Template Matching / J.P. Lewis // Proceedings Vision Interface. - 1995. - P. 120-123.
22. Котов, А.А. Построение устойчивых признаков детекции и классификации объектов, не обладающих характерными яркостными контрастами / А.А. Котов, С.А. Усилин, С.А. Гладилин, Д.П. Николаев // Информационные технологии и вычислительные системы. - 2014. - №. 1. - С. 53-60.
23. Matalov, D.P. Modification of the Viola-Jones Approach for the Detection of the Government Seal Stamp of the Russian Federation / D.P. Matalov, S.A. Usilin, V.V. Arlazarov // Eleventh International Conference on Machine Vision. - 2019. - P. 11041.
24. Home of the Blender Project - Free and Open 3D Creation Software. - 2020. - URL: https://www.blender.org/